[發明專利]一種基于卷積神經網絡的工件圓柱面外觀缺陷檢測方法

在審

• 申請號: 202110140298.6
• 申請日: 2021-02-02
• 公開（公告）號: CN112926562A
• 公開（公告）日: 2021-06-08
• 發明（設計）人: 勞永革;段峰;何建枝;文青
• 申請（專利權）人: 廣東嘉銘智能科技有限公司
• 主分類號: G06K9/20
• 分類號: G06K9/20;G06K9/62;G06N3/04;G06T7/00
• 代理公司: 東莞市凱粵智華專利商標代理事務所(普通合伙) 44698
• 代理人: 羅麗

本申請公開了一種基于卷積神經網絡的工件圓柱面外觀缺陷檢測方法，包括：基于光柵式自旋轉打光模型獲取工件圓柱面外觀圖像；利用定位神經網絡獲取所述工件圓柱面外觀圖像的定位信息，并完成對所述工件圓柱面外觀圖像中工件檢測區域的定位；利用提取神經網絡對所述工件檢測區域進行缺陷提取，確定所述工件的外觀缺陷類型。本申請通過定位神經網絡對工件圓柱面外觀圖像進行零件定位，找到零件區域并劃分待檢區域，提供不需要大量壓縮的缺陷提取區域，再利于提取神經網絡對缺陷目標進行提取識別和分類，實現了工件圓柱面的缺陷目標高精度定位與提取，提高了檢測的成功率以及效率。

技術領域

本申請涉及缺陷檢測技術領域，尤其涉及一種基于卷積神經網絡的工件圓柱面外觀缺陷檢測方法。

背景技術

在對工件圓柱面外觀缺陷檢測的過程中，首先需要獲取工件圓柱面圖像。通過基于光柵式自旋轉打光模型的工件圖像獲取技術，圖像缺陷邊緣更為連續，且背景干擾也較少。

但由于光柵式自旋轉光源自身旋轉特性，工件表面不同批次反光系數相同等緣故，工件反射明暗條紋始終處于不穩定狀態，傳統的缺陷檢測算法無論進行圖像預處理，圖像分割定位明暗條紋，調整檢測區域均存在一定難度，在實際生產中穩定檢測缺陷的同時較難控制設備的檢測率。

因此，提供一種基于卷積神經網絡的工件圓柱面外觀缺陷檢測方法，對缺陷目標進行高精度定位與提取是本領域技術人員急需實現的。

發明內容

本申請提供了一種基于卷積神經網絡的工件圓柱面外觀缺陷檢測方法，實現了工件圓柱面的缺陷目標高精度定位與提取，提高了檢測的成功率。

有鑒于此，本申請第一方面提供了一種基于卷積神經網絡的工件圓柱面外觀缺陷檢測方法，所述方法包括：

基于光柵式自旋轉打光模型獲取工件圓柱面外觀圖像；

利用定位神經網絡獲取所述工件圓柱面外觀圖像的定位信息，并完成對所述工件圓柱面外觀圖像中工件檢測區域的定位；

利用提取神經網絡對所述工件檢測區域進行缺陷提取，確定所述工件的外觀缺陷類型。

可選地，所述定位神經網絡具體為Faster R-CNN神經網絡或YOLO-v3神經網絡。

可選地，所述利用定位神經網絡獲取所述工件圓柱面外觀圖像的定位信息之前還包括：

通過樣本集訓練定位神經網絡，建立所述工件圓柱面外觀圖像中的預設數量的工件特征標簽之間的聯系。

可選地，所述提取神經網絡具體為ResNet神經網絡或GoogleNet神經網絡。

可選地，所述利用提取神經網絡對所述工件檢測區域進行缺陷提取之前還包括：

通過樣本集訓練提取神經網絡，建立所述工件圓柱面外觀圖像中的所述工件檢測區域內圖像與外觀缺陷類型之間的聯系。

可選地，所述通過樣本訓練集訓練提取神經網絡之前還包括：

對樣本集中所有圖像進行標注，包括工件檢測區域的標注以及外觀缺陷特征標注；

對所述外觀缺陷特征進行尺寸設置；

將所述樣本集分為訓練集以及測試集。

可選地，所述對樣本集中所有圖像進行標注之后還包括：

通過數據增強功能對所述樣本集進行數據增強處理，生成增強樣本圖像；

將所述增強樣本圖像添加至所述訓練集中。

本申請第二方面提供一種基于卷積神經網絡的工件圓柱面外觀缺陷檢測裝置，所述裝置包括：

獲取單元，用于基于光柵式自旋轉打光模型獲取工件圓柱面外觀圖像；