[發(fā)明專利]一種基于改進(jìn)生成對(duì)抗網(wǎng)絡(luò)的鋁板電渦流檢測圖像缺陷分割方法

有效

• 申請?zhí)枺?/td>: 202010964423.0
• 申請日: 2020-09-15
• 公開（公告）號(hào): CN112215803B
• 公開（公告）日: 2022-07-12
• 發(fā)明（設(shè)計(jì)）人: 葉波;張琦;羅思琦;曹弘貴
• 申請（專利權(quán)）人: 昆明理工大學(xué)
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06T7/11;G06T7/136;G06N3/04;G06K9/62;G06V10/774
• 代理公司: 昆明明潤知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 53215
• 代理人: 王鵬飛

本發(fā)明涉及一種基于改進(jìn)生成對(duì)抗網(wǎng)絡(luò)的鋁板電渦流檢測圖像缺陷分割方法，屬于鋁板電渦流檢測圖像缺陷分割技術(shù)領(lǐng)域。首先通過電渦流檢測平臺(tái)以C掃描的檢測方式對(duì)鋁板表面缺陷進(jìn)行檢測；其次，處理采集到的信號(hào)，獲得鋁板表面缺陷渦流檢測圖像；然后構(gòu)造鋁板渦流圖像缺陷分割的生成對(duì)抗網(wǎng)絡(luò)模型，模型主要由生成器和判別器組成，生成器采用U?net模型的思想，將低層特征與對(duì)應(yīng)的高層特征進(jìn)行跳躍連接；最后為了增強(qiáng)目標(biāo)特征并抑制背景特征，在高低層特征融合之前采用注意力模塊，調(diào)整低層特征與高層特征拼接時(shí)的權(quán)重。相較于傳統(tǒng)的圖像分割方法，本發(fā)明提高了圖像特征信息的利用，分割圖像更加準(zhǔn)確，同時(shí)在噪聲干擾下依然具有較高的識(shí)別能力。

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于改進(jìn)生成對(duì)抗網(wǎng)絡(luò)的鋁板電渦流檢測圖像缺陷分割方法，屬于鋁板電渦流檢測圖像缺陷分割技術(shù)領(lǐng)域。

背景技術(shù)

在生產(chǎn)生活中，金屬板材中鋁板作為重要工業(yè)原材料而被廣泛的運(yùn)用，在其應(yīng)用過程中容易受到各種環(huán)境因素影響，不可避免的產(chǎn)生裂紋缺陷損傷，嚴(yán)重制約鋁板的正常安全運(yùn)行。缺陷的存在不僅影響鋁板材料的外觀，還嚴(yán)重降低了材料的抗腐蝕性、耐磨性等特性，如果不及時(shí)發(fā)現(xiàn)缺陷的存在可能會(huì)導(dǎo)致嚴(yán)重的事故。目前可用于金屬材料的無損檢測方法包括X射線檢測、超聲檢測、熱成像檢測和渦流檢測等。其中，渦流檢測是基于電磁感應(yīng)原理實(shí)現(xiàn)的，具有檢測探頭無需與測件接觸，渦流傳播不受材料形態(tài)的影響的特點(diǎn)，被廣泛應(yīng)用于金屬材料的缺陷檢測。但是，渦流檢測容易受到環(huán)境和人為因素的干擾，而導(dǎo)致渦流圖像缺陷區(qū)域存在背景噪聲干擾的現(xiàn)象，同時(shí)由于渦流檢測時(shí)存在邊緣效應(yīng)的影響，缺陷圖像邊緣區(qū)域不容易識(shí)別，但是缺陷的存在會(huì)影響金屬材料的使用性能，嚴(yán)重的話可能會(huì)造成嚴(yán)重的事故。為了能夠發(fā)現(xiàn)材料中存在的缺陷，使材料在使用過程中更加穩(wěn)定和安全，分割出材料的缺陷區(qū)域成為亟需解決的問題。

由于金屬材料的缺陷直接影響金屬材料的使用性能，為了檢測出材料缺陷的形狀等相關(guān)信息，對(duì)材料的缺陷圖像進(jìn)行分割是十分必要的。常見的圖像分割方法主要有閾值分割法、數(shù)學(xué)形態(tài)學(xué)分割法等。但是，基于傳統(tǒng)的圖像分割算法需要通過人工設(shè)計(jì)的特征對(duì)圖像進(jìn)行分割，還需要與其他方法相結(jié)合，具有很大的局限性。

隨著深度學(xué)習(xí)的發(fā)展，基于深度學(xué)習(xí)的圖像分割算法已經(jīng)取得了很好的分割效果，但是依然存在一些問題，其圖像分割的效果與訓(xùn)練樣本數(shù)量與樣本的分布有密切的關(guān)系，算法的適應(yīng)性較弱。

發(fā)明內(nèi)容

本發(fā)明要解決的技術(shù)問題是提供一種基于改進(jìn)生成對(duì)抗網(wǎng)絡(luò)的鋁板電渦流檢測圖像缺陷分割方法，增強(qiáng)圖像分割算法的魯棒性、消除模型對(duì)訓(xùn)練樣本的數(shù)量與分布的過度依賴，針對(duì)鋁板渦流圖像缺陷區(qū)域存在背景噪聲干擾的現(xiàn)象，解決鋁板缺陷圖像邊緣區(qū)域不容易識(shí)別、分割效果有待提高的問題。

本發(fā)明的技術(shù)方案是：一種基于改進(jìn)生成對(duì)抗網(wǎng)絡(luò)的鋁板電渦流檢測圖像缺陷分割方法，建立在生成對(duì)抗網(wǎng)絡(luò)圖像分割模型的基礎(chǔ)上，模型主要由生成器與判別器兩個(gè)部分組成。生成器通過學(xué)習(xí)訓(xùn)練集的數(shù)據(jù)分布得到鋁板電渦流檢測圖像的分割圖像。判別器對(duì)真假樣本對(duì)進(jìn)行二進(jìn)制分類，其中真樣本對(duì)由鋁板渦流檢測圖像與標(biāo)簽圖像構(gòu)成，假樣本對(duì)由鋁板渦流檢測圖像與生成的分割圖像構(gòu)成假樣本對(duì)。

本發(fā)明生成器部分采用改進(jìn)的U-net結(jié)構(gòu)，針對(duì)現(xiàn)有的特征圖的信息整合方式未考慮到整合時(shí)的權(quán)重分布，輸入特征圖各通道的處理采用相同的權(quán)重的問題，在生成器部分采用注意力模塊，調(diào)整不同卷積層特征拼接時(shí)的權(quán)重，提高圖像特征信息的利用，增強(qiáng)目標(biāo)特征并抑制背景特征，使模型獲得更好的圖像分割效果。

具體步驟如下：

Step1：獲取鋁板電渦流檢測圖像，并對(duì)圖像進(jìn)行數(shù)據(jù)擴(kuò)充，選擇其中部分?jǐn)?shù)據(jù)集作為訓(xùn)練集，其余作為做測試集，每一張圖像都對(duì)應(yīng)一張手工標(biāo)注的語義分割標(biāo)簽。