[發明專利]一種基于改進SimOTA的磁塊器件表面缺陷檢測方法及裝置

在審

• 申請號: 202210586259.3
• 申請日: 2022-05-27
• 公開（公告）號: CN114862822A
• 公開（公告）日: 2022-08-05
• 發明（設計）人: 尹勇;黃子浩;李方宇;劉官保
• 申請（專利權）人: 武漢理工大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/62;G06V10/26;G06V10/44;G06V10/774;G06N3/08;G06N3/04
• 代理公司: 武漢智嘉聯合知識產權代理事務所(普通合伙) 42231
• 代理人: 張璐

本發明涉及一種基于改進SimOTA的磁塊器件表面缺陷檢測方法及裝置，該方法包括：獲取目標特征分析模型，目標特征分析模型包括圖像分割模塊和特征提取模塊；獲取待檢測的磁塊器件表面圖片；將待檢測的磁塊器件表面圖片分割成若干個圖像片段，從圖像片段中提取出特征圖片；通過改進現有的SimOTA錨框分配策略，計算所有候選框的長寬比和面積占比，從而自適應調整候選框的個數，并對每個錨框的IOU值加權，為特征圖片中的磁塊器件表面缺陷分配錨框。充分考慮了特征圖片中較多的缺陷區域的細節信息。本發明提供的一種基于改進SimOTA的磁塊器件表面缺陷檢測方法及裝置，通過改進的SimOTA錨框分配策略獲取磁塊器件表面信息，減少候選錨框個數，提高了檢測精度和檢測速度。

技術領域

本發明涉及磁塊器件表面缺陷檢測技術領域，尤其涉及一種基于改進SimOTA的磁塊器件表面缺陷檢測方法及裝置。

背景技術

磁塊器件在工業上應用廣泛，器件表面的各種缺陷，可能會導致其無法正常投入使用，例如影響組件安裝、降低設備精度以及干擾系統的正常運作等等，從而減少經濟效益或者帶來安全性問題。因此，為了確保磁塊器件的質量，磁塊表面的缺陷檢測研究具有非常重要的現實意義。

現有技術中，磁塊器件表面缺陷檢測的方法有融合多層特征的CNN結合區域建議網絡(RPN)模型的方法和改進YOLOv4網絡模型的磁塊器件表面缺陷檢測方法。

融合多層特征的CNN結合區域建議網絡(RPN)模型的方法，在其構建的NEU-DET數據集上取得了較高的缺陷檢測率，但實時性不強，且檢測速度慢，檢測效率低；改進YOLOv4網絡模型的磁塊器件表面缺陷檢測方法在保證推理速度的同時，模型也有較高的精度，但需要人為分析缺陷特征，調整網絡生成錨框(anchor)的先驗值，效率不高且泛用性不強。

發明內容

有鑒于此，有必要提供一種基于改進SimOTA的磁塊器件表面缺陷檢測方法及裝置，用以解決現有技術中磁塊器件表面缺陷檢測速度慢，檢測精度低的問題。

為達到上述技術目的，本發明采取了以下技術方案：

第一方面，本發明提供了一種基于改進SimOTA的磁塊器件表面缺陷檢測方法，包括：

獲取目標特征分析模型，目標特征分析模型包括圖像分割模塊和特征提取模塊；

獲取待檢測的磁塊器件表面圖片；

根據圖像分割模塊將待檢測的磁塊器件表面圖片分割成若干個圖像片段，基于特征提取模塊，從圖像片段中提取出特征圖片；

通過改進的SimOTA錨框分配策略，為特征圖片中的磁塊器件表面缺陷分配錨框。

優選的，還包括：

獲取磁塊器件表面圖片樣本集，基于參數確定模型對所述目標特征分析模型的初始參數進行訓練，得到目標參數。

優選的，根據圖像分割模塊將待檢測的磁塊器件表面圖片分割成若干個圖像片段，包括：

將待檢測的磁塊器件表面圖片設置成預設像素大小；

將預設像素大小的待檢測的磁塊器件表面圖片輸入至圖像分割模塊，得到多個像素大小的圖像片段。

優選的，基于特征提取模塊，從圖像片段中提取出特征圖片，包括：

根據目標參數，將多個像素大小的圖像片段輸入至特征提取模塊，得到若干個大小不同的待檢測的磁塊器件表面圖片的特征圖片。

優選的，特征提取模塊還包括注意力模塊和識別模塊；

注意力模塊用于突出圖像片段中缺陷區域的圖像特征；識別模塊用于識別圖像特征并將圖像特征提取出來。