[發(fā)明專利]基于改進的yolov5x網(wǎng)絡(luò)模型的高溫連鑄坯表面缺陷檢測方法

在審

• 申請?zhí)枺?/td>: 202110763410.1
• 申請日: 2021-07-06
• 公開（公告）號: CN113487570A
• 公開（公告）日: 2021-10-08
• 發(fā)明（設(shè)計）人: 羅森;孟曉亮;朱苗勇;王衛(wèi)領(lǐng);宋翰凌;王雪菲;鄭好
• 申請（專利權(quán)）人: 東北大學(xué)
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T5/50;G06T7/13
• 代理公司: 沈陽東大知識產(chǎn)權(quán)代理有限公司 21109
• 代理人: 梁焱

本發(fā)明公開了基于改進的yolov5x網(wǎng)絡(luò)模型的高溫連鑄坯表面缺陷檢測方法，屬于高溫連鑄坯表面缺陷識別技術(shù)領(lǐng)域。在連鑄坯生產(chǎn)線上采集所需數(shù)量的高溫連鑄坯表面圖像；對采集的高溫連鑄坯表面圖像進行預(yù)處理，并對預(yù)處理后的每一幅圖像中的缺陷進行標(biāo)注，獲得yolov5x網(wǎng)絡(luò)模型的訓(xùn)練集；對yolov5x網(wǎng)絡(luò)模型進行改進，包括：在yolov5x網(wǎng)絡(luò)模型中添加GhostBottleneck模塊替換掉Bottleneck模塊；使用所述訓(xùn)練集對改進的yolov5x網(wǎng)絡(luò)模型進行訓(xùn)練，獲得yolov5?Ghost網(wǎng)絡(luò)模型；利用所述yolov5?Ghost網(wǎng)絡(luò)模型對連鑄坯生產(chǎn)線上的高溫連鑄坯表面缺陷進行實時檢測。縮小了模型體積，建立了更加輕量化的yolov5?Ghost網(wǎng)絡(luò)模型，提升了檢測效率和有效地降低了質(zhì)檢工作運營成本。

技術(shù)領(lǐng)域

本發(fā)明屬于高溫連鑄坯表面缺陷識別技術(shù)領(lǐng)域，具體涉及基于改進的yolov5x網(wǎng)絡(luò)模型的高溫連鑄坯表面缺陷檢測方法。

背景技術(shù)

連鑄坯的生產(chǎn)是整個鋼鐵生產(chǎn)線的關(guān)鍵環(huán)節(jié)，而目前，在連鑄生產(chǎn)過程中，隨著工藝的發(fā)展，鑄坯拉速隨之提高，而高拉速會使得高溫連鑄坯的表面產(chǎn)生各種各樣的缺陷，這其中表面裂紋等缺陷會嚴(yán)重地影響連鑄坯的質(zhì)量，還會對下游的軋鋼工序產(chǎn)生極大地影響。而目前的主要檢測方式為將高溫連鑄坯脫離生產(chǎn)線冷卻至室溫后進行人工檢測，這樣會消耗很多的人力、物力資源并造成不必要的能源消耗。而傳統(tǒng)的圖像分析技術(shù)不能精確地分辨出高溫連鑄坯的表面缺陷，因此無法有效獲取高溫連鑄坯表面缺陷的相關(guān)信息從而及時發(fā)現(xiàn)。隨著近些年來人工智能技術(shù)逐漸成熟，將人工智能技術(shù)與缺陷檢測技術(shù)相結(jié)合，已經(jīng)成為未來高溫連鑄坯表面缺陷檢測的趨勢。

發(fā)明內(nèi)容

本發(fā)明為了解決上述問題，提供了基于改進的yolov5x網(wǎng)絡(luò)模型的高溫連鑄坯表面缺陷檢測方法，旨在提升高溫連鑄坯表面缺陷檢測效率，有效地降低高溫連鑄坯表面質(zhì)檢工作的運營成本。

本發(fā)明的技術(shù)方案是：

基于改進的yolov5x網(wǎng)絡(luò)模型的高溫連鑄坯表面缺陷檢測方法，該方法包括如下步驟：

采集所需數(shù)量的高溫連鑄坯表面圖像；

對采集的高溫連鑄坯表面圖像進行預(yù)處理，并對預(yù)處理后的每一幅圖像中的缺陷進行標(biāo)注，獲得yolov5x網(wǎng)絡(luò)模型的訓(xùn)練集；

對yolov5x網(wǎng)絡(luò)模型進行改進，包括：在yolov5x網(wǎng)絡(luò)模型中添加GhostBottleneck模塊替換掉Bottleneck模塊；

使用所述訓(xùn)練集對改進的yolov5x網(wǎng)絡(luò)模型進行訓(xùn)練，獲得yolov5-Ghost網(wǎng)絡(luò)模型；

利用所述yolov5-Ghost網(wǎng)絡(luò)模型對連鑄坯生產(chǎn)線上的高溫連鑄坯表面缺陷進行實時檢測。

進一步地，根據(jù)所述的基于改進的yolov5x網(wǎng)絡(luò)模型的高溫連鑄坯表面缺陷檢測方法，在連鑄坯生產(chǎn)線上采集所需數(shù)量的高溫連鑄坯表面圖像。

進一步地，根據(jù)所述的基于改進的yolov5x網(wǎng)絡(luò)模型的高溫連鑄坯表面缺陷檢測方法，所述對采集的高溫連鑄坯表面圖像進行預(yù)處理，包括：通過多尺度融合算法來提升圖像細(xì)節(jié)，并基于OpenCV圖像處理算法來實現(xiàn)的高溫連鑄坯表面缺陷邊緣檢測。

進一步地，根據(jù)所述的基于改進的yolov5x網(wǎng)絡(luò)模型的高溫連鑄坯表面缺陷檢測方法，使用圖形圖像注釋工具LabelImg對預(yù)處理后的每一幅圖像中的缺陷進行標(biāo)注。

進一步地，根據(jù)所述的基于改進的yolov5x網(wǎng)絡(luò)模型的高溫連鑄坯表面缺陷檢測方法，當(dāng)yolo5x-Ghost網(wǎng)絡(luò)模型檢測到缺陷時，會用矩形框?qū)⑵錁?biāo)出，所述矩形框為兩點坐標(biāo)。

進一步地，根據(jù)所述的基于改進的yolov5x網(wǎng)絡(luò)模型的高溫連鑄坯表面缺陷檢測方法，使用攝像機在連鑄坯生產(chǎn)線上采集所需數(shù)量的高溫連鑄坯表面圖像。