[發(fā)明專利]一種基于級聯(lián)卷積神經(jīng)網(wǎng)絡的表面疵點檢測方法

在審

• 申請?zhí)枺?/td>: 202010173891.6
• 申請日: 2020-03-13
• 公開（公告）號: CN111402226A
• 公開（公告）日: 2020-07-10
• 發(fā)明（設計）人: 朱威;任振峰;陳悅峰;岑寬;何德峰;鄭雅羽
• 申請（專利權）人: 浙江工業(yè)大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/62;G06N3/04
• 代理公司: 杭州賽科專利代理事務所(普通合伙) 33230
• 代理人: 郭薇

本發(fā)明涉及一種基于級聯(lián)卷積神經(jīng)網(wǎng)絡的表面疵點檢測方法，搭建基于Cascade R?CNN的疵點檢測網(wǎng)絡，以訓練并優(yōu)化后的疵點檢測網(wǎng)絡對工業(yè)相機實時采集待檢測產(chǎn)品的圖像進行檢測。本發(fā)明將Cascade R?CNN改進為疵點檢測網(wǎng)絡，不需人工提取疵點區(qū)域和疵點特征，在定位疵點的同時進行分類，以Cascade R?CNN作為基礎檢測網(wǎng)絡架構，其優(yōu)秀的檢測性能使疵點的定位和分類精度上都更有優(yōu)勢，以ResNeXt增強特征提取能力；以FPN針對細小疵點檢測，以可變形卷積和增加錨點框適應疵點的各種形狀尺度，疵點具有足夠大的感受野，提升各種極端疵點的檢測效果，并調節(jié)非極大值抑制的閾值，使檢測準確率進一步提升。

技術領域

本發(fā)明屬于深度學習技術在機器視覺檢測領域的應用，具體涉及一種基于級聯(lián)卷積神經(jīng)網(wǎng)絡的表面疵點檢測方法。

背景技術

工業(yè)產(chǎn)品在生產(chǎn)過程中產(chǎn)生的表面疵點嚴重影響著產(chǎn)品本身的質量，如何檢測表面疵點以對產(chǎn)品進行質量控制一直是生產(chǎn)企業(yè)面臨的重大問題。中國作為一個制造業(yè)大國，由于勞動力成本低，生產(chǎn)的工業(yè)產(chǎn)品相對價格低廉，故備受國外消費者的青睞。但隨著我國的勞動力素質上升，人口紅利正逐漸消失，未來許多企業(yè)會面臨高質量標準和高人力成本的巨大壓力。對產(chǎn)品的疵點檢測是我國工業(yè)生產(chǎn)中耗費人力成本較多的環(huán)節(jié)，例如在紡織行業(yè)中，依靠人工驗布檢測速度通常只有5-10m/min，且工人高度集中地工作一段時間后必然會產(chǎn)生視覺疲勞，許多疵點會被遺漏，漏檢率可達30％以上，已經(jīng)難以適應高速的生產(chǎn)需求。近幾年，隨著光學技術、數(shù)字電路技術和圖像處理技術的快速發(fā)展，機器視覺已經(jīng)在工業(yè)表面疵點檢測領域中得到越來越廣泛的應用，產(chǎn)品疵點的自動檢測已經(jīng)成為必然趨勢。

目前針對疵點檢測的研究已經(jīng)涉及多個生產(chǎn)領域，主要有布匹、皮革、塑料、金屬、紙張、玻璃等產(chǎn)品。傳統(tǒng)的疵點檢測方法主要分為：基于統(tǒng)計分析、頻域分析、模型分析、學習分析等幾大類。閔信軍提出了一種基于圖像分塊的灰度共生矩陣布匹疵點檢測方法(見閔信軍.基于灰度共生矩陣和視覺信息的布匹疵點檢測方法研究[D].江蘇大學,2018.)。該方法雖然檢測效果良好，但存在定位精度不高、無法分類疵點類別等問題。賀福強等人提出了一種基于小波重構的皮革表面檢測方法(見賀福強,王文,陳子辰.基于小波重構的皮革表面檢測方法[J].儀器儀表學報,2006,27(S1):316-318.)，具有運算量小，檢測速度快等優(yōu)勢，但該方法需要手動設定的參數(shù)較多，魯棒性不高。申請?zhí)枮?01810881758.9的專利公開了一種利用分層梯度方向直方圖和支持向量機的布匹疵點檢測方法。該方法將樣本庫中布匹圖像進行灰度化處理后，分割成大小一致的分辨率為N×N的圖像分塊，然后計算各個分塊的分層梯度方向直方圖特征，作為支持向量機的輸入并訓練，最后將訓練好的模型用于布匹圖像的疵點檢測。該方法對錯緯、破洞、污漬、錯色等缺陷具有較強的魯棒性，但對其他類型的疵點檢測還需進一步提高，且對于紋理復雜的布匹檢測效果欠佳。