[發明專利]金屬油管缺陷檢測方法和裝置

在審

• 申請號: 202010944496.3
• 申請日: 2020-09-10
• 公開（公告）號: CN112070748A
• 公開（公告）日: 2020-12-11
• 發明（設計）人: 陳海波;段藝霖
• 申請（專利權）人: 深蘭人工智能芯片研究院（江蘇）有限公司;深蘭科技（上海）有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06N3/08;G06N3/04
• 代理公司: 常州佰業騰飛專利代理事務所(普通合伙) 32231
• 代理人: 陳紅橋

本發明提供一種金屬油管缺陷檢測方法和裝置，所述方法包括以下步驟：獲取樣本數據集，其中，所述樣本數據集中包含多個存在金屬油管缺陷的樣本產品圖像和多個不存在金屬油管缺陷的樣本產品圖像；通過所述樣本數據集對神經網絡進行訓練，得到金屬油管缺陷檢測模型；獲取待檢測產品圖像；將所述待檢測產品圖像輸入所述金屬油管缺陷檢測模型，以判斷是否存在金屬油管缺陷。本發明檢測效率較高，人工成本較低，且檢測準確率較高。

技術領域

本發明涉及機器學習技術領域，具體涉及一種金屬油管缺陷檢測方法、一種金屬油管缺陷檢測裝置、一種計算機設備、一種非臨時性計算機可讀存儲介質和一種計算機程序產品。

背景技術

金屬油管在初次加工和再加工所得到的產品都有可能存在一些缺陷，例如存在裂紋或扭曲彎折等。存在缺陷的金屬油管在實際應用中會存在一定的安全隱患，因此，必要在投入市場前進行缺陷檢測。

目前對于金屬油管缺陷的檢測大多是通過人工視力觀察的方式來完成的，速度慢，效率低下，人工成本高，且會因存在人眼難以發現的缺陷而導致漏檢。

發明內容

本發明為解決上述技術問題，提供了一種金屬油管缺陷檢測方法和裝置，檢測效率較高，人工成本較低，且檢測準確率較高。

本發明采用的技術方案如下：

一種金屬油管缺陷檢測方法，包括以下步驟：獲取樣本數據集，其中，所述樣本數據集中包含多個存在金屬油管缺陷的樣本產品圖像和多個不存在金屬油管缺陷的樣本產品圖像；通過所述樣本數據集對神經網絡進行訓練，得到金屬油管缺陷檢測模型；獲取待檢測產品圖像；將所述待檢測產品圖像輸入所述金屬油管缺陷檢測模型，以判斷是否存在金屬油管缺陷。

所述神經網絡為組集成網絡。

獲取所述樣本產品圖像和所述待檢測產品圖像具體包括：沿金屬油管的周向依次獲取金屬油管表面的線狀圖，并將所述線狀圖拼接為平面圖。

根據預設的轉速和拍攝頻率，通過旋轉金屬油管依次拍攝得到金屬油管表面的線狀圖。

根據預設的轉速和拍攝頻率，通過旋轉相機依次拍攝得到金屬油管表面的線狀圖。

一種金屬油管缺陷檢測裝置，包括：第一獲取模塊，所述第一獲取模塊用于獲取樣本數據集，其中，所述樣本數據集中包含多個存在金屬油管缺陷的樣本產品圖像和多個不存在金屬油管缺陷的樣本產品圖像；訓練模塊，所述訓練模塊用于通過所述樣本數據集對神經網絡進行訓練，得到金屬油管缺陷檢測模型；第二獲取模塊，所述第二獲取模塊用于獲取待檢測產品圖像；檢測模塊，所述檢測模塊用于將所述待檢測產品圖像輸入所述金屬油管缺陷檢測模型，以判斷是否存在金屬油管缺陷。

一種計算機設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執行所述程序時，實現上述金屬油管缺陷檢測方法。

一種非臨時性計算機可讀存儲介質，其上存儲有計算機程序，該計算機程序被處理器執行時實現上述金屬油管缺陷檢測方法。

一種計算機程序產品，當所述計算機程序產品中的指令由處理器執行時，執行上述金屬油管缺陷檢測方法。

本發明的有益效果：

本發明通過大量的樣本產品圖像對神經網絡進行訓練得到金屬油管缺陷檢測模型，并通過該金屬油管缺陷檢測模型檢測待檢測金屬油管是否存在缺陷，由此，檢測效率較高，人工成本較低，且檢測準確率較高。

附圖說明

圖1為本發明實施例的金屬油管缺陷檢測方法的流程圖；

圖2為本發明一個實施例的組集成網絡的結構示意圖；

圖3為本發明一個實施例的矩陣化圖像示意圖；