[發明專利]一種基于深度學習的鋁壓鑄件表面缺陷檢測方法

在審

• 申請號: 202011225995.3
• 申請日: 2020-11-05
• 公開（公告）號: CN112345539A
• 公開（公告）日: 2021-02-09
• 發明（設計）人: 曹彬;胡江洪;袁帥鵬
• 申請（專利權）人: 菲特（天津）檢測技術有限公司
• 主分類號: G01N21/88
• 分類號: G01N21/88;G06K9/62;G06N3/08;G06T5/50;G06T7/00
• 代理公司: 天津盈佳知識產權代理事務所(特殊普通合伙) 12224
• 代理人: 孫寶蕓

1.一種基于深度學習的鋁壓鑄件表面缺陷檢測方法，其特征在于，該基于深度學習的鋁壓鑄件表面缺陷檢測方法包括：

步驟一、通過光度立體法，將多張不同角度照明的圖片合成一張格式的圖片，使缺料、劃傷缺陷更加明顯；

步驟二、應用深度學習方法，訓練出目標檢測模型，檢測圖像中的缺陷。

2.根據權利要求1所述的基于深度學習的鋁壓鑄件表面缺陷檢測方法，其特征在于，在步驟一中，圖像合成后，采用YOLO-v3目標檢測算法，將合成的圖像加載進預先設置好的網絡框架中進行訓練。

3.根據權利要求1所述的基于深度學習的鋁壓鑄件表面缺陷檢測方法，其特征在于，在步驟一中，保持相機鏡頭模組于被攝物體之間的相對位置不變，變化光源的照明角度，拍攝多張圖片；

利用光度立體法，將多張圖片合成一張tiff格式的圖。

4.根據權利要求3所述的基于深度學習的鋁壓鑄件表面缺陷檢測方法，其特征在于，變化光源為至少三個不同的照明角度。

5.根據權利要求3所述的基于深度學習的鋁壓鑄件表面缺陷檢測方法，其特征在于，光度立體法采用圖像中各點的亮度方程，即輻照方程，其數學描述如下：

I(x，y)＝k_d(x，y)S·N(x，y) (1)

其中I是表面點的亮度，S為光源向量，N為表面法向量，k_d為表面反射系數；

給定三幅光度立體圖像I₁、I₂、I₃,根據亮度方程(1)可以得到三個關于物體表面梯度的方程：

其中I_i(x，y)表示圖像在(x，y)點的亮度，R_i(p(x，y)，q(x，y))表示不同光源下的反射方程；

設三個光源方向為圖像的向量形式為I＝(I₁，I₂，I₃)^T，將式(2)寫成矩陣的形式：

其中，

如果三個光源方向向量不共面，那么矩陣滿秩，即它是可逆的，這時通過解式(3)可得物體表面法向量N:

6.根據權利要求1所述的基于深度學習的鋁壓鑄件表面缺陷檢測方法，其特征在于，在步驟二中，將tiff格式圖片的灰度值由0-1映射到0-255，得到png格式圖片；

將采集的所有圖片分類，按7：3的比例分為訓練集和測試集兩部分，對訓練集進行人工標注，標簽按缺陷類型分類；

標注完成后，將標注好的圖片導入到YOLOv3目標檢測算法中進行訓練，訓練完成后，得到訓練模型；

將模型載入預測程序，傳入圖像后開始進行目標檢測。

7.根據權利要求6所述的基于深度學習的鋁壓鑄件表面缺陷檢測方法，其特征在于，在YOLOv3目標檢測算法的處理過程中，使用加權K-means算法對目標樣本進行聚類。

8.根據權利要求7所述的基于深度學習的鋁壓鑄件表面缺陷檢測方法，其特征在于，加權K-means算法分配聚類中心并設置每一個樣本的權重參數，再進行聚類計算；調整YOLOv3的網絡結構，增加殘差單元和一個大尺度的特征圖層輸出。