[發明專利]一種鋁型材瑕疵檢測方法

在審

• 申請號: 202110479076.7
• 申請日: 2021-04-30
• 公開（公告）號: CN113012153A
• 公開（公告）日: 2021-06-22
• 發明（設計）人: 羅維平;周博
• 申請（專利權）人: 武漢紡織大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T5/00;G06N3/04;G06N3/08
• 代理公司: 南京中高專利代理有限公司 32333
• 代理人: 徐福敏

本發明公開了一種鋁型材瑕疵檢測方法，包括：采用鋁型材表面瑕疵檢測模型對鋁型材表面進行檢測；若檢測出瑕疵，則對瑕疵進行類別判斷和回歸定位；其中，鋁型材表面瑕疵檢測模型以Resnet?101為主干網絡；鋁型材表面瑕疵檢測模型采用特征金字塔網絡和形變卷積算法，用于對鋁型材表面的不規則瑕疵進行針對性檢測；鋁型材表面瑕疵檢測模型采用ROI Align提取特征圖算法及改進候選框生成網絡損失函數對微小瑕疵進行定位。通過形變卷積算法改進特征金字塔網絡模型，使檢測模型對于不規則瑕疵特征具有更強匹配能力；通過改進候選框生成網絡損失函數，使檢測模型對微小瑕疵的回歸定位更為精確。

技術領域

本發明涉及圖像檢測技術領域，具體涉及一種鋁型材瑕疵檢測方法。

背景技術

在非標設計中，經常用到鋁型材，工業鋁型材表面經過氧化后，外觀非常漂亮，組裝成產品時，采用專用鋁型材配件，不需要焊接，較環保，而且安裝、拆卸、攜帶、搬移極為方便。

鋁型材的生產需要進行產品合格檢測，例如針對物體表面瑕疵，傳統的檢測方式采用人工檢測，不僅費時費力，還由于鋁型材紋路與瑕疵之間區分度微小、人工檢測易疲勞等因素，造成漏檢率高、檢出率低。隨著深度學習、機器視覺技術的發展，針對物體表面瑕疵的研究也出現了新的方向，但由于鋁型材表面瑕疵種類較多、紋理較為復雜且細小、瑕疵大小差異較大，使得現有疵點檢測算法無法在這種特定材料上得到較好的泛化，尤其是對于不同種類的瑕疵的泛化效果較差。

發明內容

有鑒于此，本發明實施例提供了一種鋁型材瑕疵檢測方法，以解決現有疵點檢測方法無法在鋁型材上得到較好的泛化，尤其是對于不同種類的瑕疵的泛化效果較差的問題。

本發明實施例提供了一種鋁型材瑕疵檢測方法，包括：

采用鋁型材表面瑕疵檢測模型對鋁型材表面進行檢測；

若檢測出瑕疵，則對瑕疵進行類別判斷和回歸定位；

其中，鋁型材表面瑕疵檢測模型以Resnet-101為主干網絡；鋁型材表面瑕疵檢測模型采用特征金字塔網絡和形變卷積算法，用于對鋁型材表面的不規則瑕疵進行針對性檢測；鋁型材表面瑕疵檢測模型采用ROI Align提取特征圖算法及改進候選框生成網絡損失函數對微小瑕疵進行定位。

可選地，鋁型材表面瑕疵檢測模型采用ROI Align提取特征圖算法及改進候選框生成網絡損失函數對微小瑕疵進行定位，包括：

用雙線性內插法計算浮點坐標的像素值；

ROI Align提取特征圖算法的反向傳播計算公式如下：

其中，x_i為池化前的特征像素點，y_ij為池化后的第i個感興趣區的第j個點，i*(i,j)為y_ij像素點來源，Δh為x_i與x_i*(i,j)的橫坐標差值，Δw為x_i與x_i*(i,j)的縱坐標差值。

可選地，形變卷積算法為特征金字塔網絡的最后一個卷積核。

可選地，特征金字塔網絡通過對原始采樣點增加偏置量ΔP_n，使原始采樣點達到預設點位；其中，偏置量ΔP_n為{ΔP_n|n＝1，2，...，N}，N＝|R|。

可選地，在形變卷積算法中，每一個位置的可形變卷積計算公式如下：

其中，P_m為卷積核的每一個位置，x為特征圖，W為采樣點權重；

對輸出的像素增加一個偏置量ΔP_uv，生成可偏置矩陣；