[發明專利]一種基于多尺度特征圖的帶鋼缺陷檢測方法

在審

• 申請號: 202210140896.8
• 申請日: 2022-02-16
• 公開（公告）號: CN114677327A
• 公開（公告）日: 2022-06-28
• 發明（設計）人: 王萌
• 申請（專利權）人: 唐山工業職業技術學院
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T3/60;G06V10/82;G06V10/774;G06V10/764;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于多尺度特征圖的帶鋼缺陷檢測方法，其特征在于：包括步驟

Step1.使用攝像頭采集帶鋼表面缺陷圖像，得到帶鋼表面缺陷圖像樣本數據；

Step2.將采集到的帶鋼表面缺陷的樣本數據集進行分組，取70%數據為訓練集數據，其余30%數據為測試集數據；

Step3.對步驟Step2劃分得到的訓練集數據進行預處理，得到標準化的訓練集數據；

Step4.將步驟Step3預處理得到的圖像進入多尺度特征圖提取網絡處理，建立基于多尺度特征圖的帶鋼缺陷檢測模型；

其中：所述基于多尺度特征圖的帶鋼缺陷檢測模型包括4層卷積神經網絡層，4層歸一化層，4層激活層，4層最大池化層，4層展平層，1層拼接層，1層丟棄層和2層全連接層；

Step5.在得到基于多尺度特征圖的帶鋼缺陷檢測模型后，將測試集數據代入基于多尺度特征圖的帶鋼缺陷檢測模型中進行診斷，得到診斷結果，完成對帶鋼的缺陷檢測。

2.根據權利要求1所述的一種基于多尺度特征圖的帶鋼缺陷檢測方法，其特征在于：步驟Step3所述的對步驟Step2分類得到的訓練集數據進行預處理的過程包括

Step301.將所有的訓練數據集中的圖像大小統一修改為256像素*256像素；

Step302.將步驟Step301得到的訓練數據集中的圖像隨機選擇50%進行垂直翻轉；

Step303.將步驟Step302得到的圖像隨機選擇60%再進行45度角旋轉；

Step304.將步驟Step303得到的圖像轉換為張量形式；

Step305.將步驟Step304得到的圖像進行標準化處理，得到標準化的訓練集數據。

3.根據權利要求1所述的一種基于多尺度特征圖的帶鋼缺陷檢測方法，其特征在于：步驟Step4所述的基于多尺度特征圖的帶鋼缺陷檢測模型的建立過程包括

Step401.將經步驟Step305標準化處理后得到的訓練集數據進入卷積層1內進行卷積處理；

Step402.將經步驟Step401得到的卷積處理后的數據進入歸一化層1內進行處理；

Step403.將步驟Step402得到的數據進入激活層1內進行處理；

Step404.將步驟Step403得到的數據進入最大池化層1內進行處理；

Step405.將步驟Step404得到的數據進入展平層1內進行處理；

Step406.將步驟Step401得到的數據進入卷積層2內進行卷積處理；

Step407.將經步驟Step406得到的卷積處理后的數據進入歸一化層2內進行處理；

Step408.將步驟Step407得到的數據進入激活層2內進行處理；

Step409.將步驟Step408得到的數據進入最大池化層2內進行處理；

Step410.將步驟Step409得到的數據進入展平層2內進行處理；

Step411.將步驟Step406得到的數據進入卷積層3內進行卷積處理；

Step412.將經步驟Step411得到的卷積處理后的數據進入歸一化層3內進行處理；

Step413.將步驟Step412得到的數據進入激活層3內進行處理；

Step414.將步驟Step413得到的數據進入最大池化層3內進行處理；

Step415.將步驟Step414得到的數據進入展平層3內進行處理；

Step416.將步驟Step411得到的數據進入卷積層4內進行卷積處理；

Step417.將經步驟Step416得到的卷積處理后的數據進入歸一化層4內進行處理；

Step418.將步驟Step417得到的數據進入激活層4內進行處理；

Step419.將步驟Step418得到的數據進入最大池化層4內進行處理；

Step420.將步驟Step419得到的數據進入展平層4內進行處理；

Step421.將步驟Step405，Step410，Step415，Step420得到的數據進入拼接層；

Step422.將步驟Step421得到的數據進入丟棄層內，設置丟棄層的丟棄概率；

Step423.將步驟Step422得到的數據進入全連接層1，

Step424.將步驟Step423得到的數據進入全連接層2，利用全連接層2自適應選擇最優特征并進行故障診斷模型的訓練；

Step425.設置交叉熵為損失函數，利用反向傳播算法將步驟401至步驟Step424的各個神經網路參數不斷優化，得到最終基于多尺度特征圖的帶鋼缺陷檢測模型。