[發明專利]一種基于由粗到精檢測策略的細微缺陷檢測方法

有效

• 申請號: 202210483136.7
• 申請日: 2022-05-06
• 公開（公告）號: CN114581782B
• 公開（公告）日: 2022-08-16
• 發明（設計）人: 汪俊;單忠德;賈書一;李大偉;吳宇祥
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06V10/22;G06V10/26;G06V10/764;G06V10/774;G06V10/80;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 南京鐘山專利代理有限公司 32252
• 代理人: 張力

本發明公開了一種基于由粗到精檢測策略的細微缺陷檢測方法，包括：步驟1、采用CCD相機獲取待測圖像數據；步驟2、構造缺陷區域定位網絡并對待測圖像進行預處理，初步定位缺陷位置；步驟3、構造缺陷點檢測網絡，采用缺陷分割loss函數對缺陷點檢測網絡進行訓練；步驟4、采用缺陷點檢測網絡對初步定位缺陷位置后的圖像中存在的細微缺陷進行定量提取分割。本發明解決了人工細微缺陷檢測漏檢率高、準確度低，以及現有技術中無法對細微缺陷進行準確定位提取的問題，提高了細微缺陷檢測的精準度和高效性。

技術領域

本發明屬于產品缺陷檢測技術領域，具體涉及一種基于由粗到精檢測策略的細微缺陷檢測方法。

背景技術

隨著當今社會科技和工業的迅速發展，人們生活質量的大大提高，國家對各種工業產品提出的要求也越來越嚴格。傳統的工業生產制造，由于研究技術的限制，仍然采用人工檢測為主的缺陷檢測方法檢測產品表面的缺陷，這種方法由于人工的限制和技術的落后，不僅檢測產品的速度慢、效率低下、耗費大量人工成本，而且在檢測的過程中，由于缺陷的隨機性，缺陷的類型多樣，大小不一，很多工件上的細微缺陷無法被人工檢測到，很容易出現缺陷漏檢、錯檢的情況。

而當今社會，隨著科學技術的發展，人工智能等科學技術的出現和發展，以及研究的深入，在圖像缺陷檢測領域出現了基于機器視覺的圖像表面缺陷檢測技術。該技術的出現大大提高了檢測工作的效率，被廣泛利用于馬路隧道工程檢測、工件表面質量檢測、航空航天領域，該技術避免了人工檢測存在的主觀判斷的不準確性。但該技術在圖像細微缺陷檢測方面效果不是很好，產品的細小瑕疵無法被準確檢測出來。

發明內容

本發明所要解決的技術問題是針對上述現有技術的不足，提供一種基于由粗到精檢測策略的細微缺陷檢測方法，能對物體表面的細小缺陷進行準確的定位和分類，進一步減少了缺陷檢測的漏檢率，解決了人工細微缺陷檢測漏檢率高、準確度低，以及現有技術中無法對細微缺陷進行準確定位提取的問題，提高了細微缺陷檢測的精準度和高效性。

為實現上述技術目的，本發明采取的技術方案為：

一種基于由粗到精檢測策略的細微缺陷檢測方法，包括：

步驟1、采用CCD相機獲取待測圖像數據；

步驟2、構造缺陷區域定位網絡并對待測圖像進行預處理，初步定位缺陷位置；

步驟3、構造缺陷點檢測網絡，采用缺陷分割loss函數對缺陷點檢測網絡進行訓練；

步驟4、采用缺陷點檢測網絡對初步定位缺陷位置后的圖像中存在的細微缺陷進行定量提取分割。

為優化上述技術方案，采取的具體措施還包括：

上述的步驟2包括：

1）構造缺陷區域定位網絡，包括骨干網、分類網絡和回歸網絡；

2）將待測圖像送入骨干網，使用一個1×1和一個3×3的卷積核進行圖像中的缺陷信息提取；

3）將缺陷信息送入分類網絡和回歸網絡中，分類網絡預測每個錨中是否有同一個缺陷特征，回歸網絡預測每個錨盒的位置，實現缺陷位置初步定位。

上述的分類網絡和回歸網絡共享同一層次的特征權重；

所述骨干網中的主干中，前五層是由四個卷積層和一個池化層組成的。

上述的缺陷點檢測網絡包括：包含六個階段的骨干網，雙向特征金字塔網絡，分類網絡，回歸網絡；

所述包含六個階段的骨干網中的輸入圖像為缺陷區域定位網絡輸出的圖像，用于提取輸入圖像的缺陷特征；

所述六個階段中，第一階段包括一個卷積層和一個7×7的卷積核；

第二階段包括一個3×3的最大池化層和一個密集塊；