[發(fā)明專利]一種基于深度學(xué)習(xí)的金屬表面缺陷檢測方法

在審

• 申請?zhí)枺?/td>: 202210664226.6
• 申請日: 2022-06-13
• 公開（公告）號: CN115018798A
• 公開（公告）日: 2022-09-06
• 發(fā)明（設(shè)計）人: 劉臘梅;方俊杰;韓軍;曲海成;黃惠玲
• 申請（專利權(quán)）人: 遼寧工程技術(shù)大學(xué)
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/13;G06T7/194;G06N3/08;G06N3/04
• 代理公司: 北京華夏正合知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11017
• 代理人: 韓登營;張麗萍

1.一種基于深度學(xué)習(xí)的金屬表面缺陷檢測方法，其特征在于，包括：

步驟S1、獲取前端攝像機(jī)采集的金屬表面的初始圖片數(shù)據(jù)；

步驟S2、對初始圖片數(shù)據(jù)進(jìn)行處理，得到消除背景干擾的金屬表面圖片數(shù)據(jù)；

步驟S3、對消除背景干擾的金屬表面圖片數(shù)據(jù)進(jìn)行圖像識別和圖像特征提取，篩選出缺陷圖片數(shù)據(jù)；

步驟S4、對篩選出的缺陷圖片數(shù)據(jù)進(jìn)行對應(yīng)的金屬表面缺陷類別劃分，得到不同金屬表面缺陷對應(yīng)的缺陷圖片數(shù)據(jù)；

步驟S5、根據(jù)不同金屬表面缺陷對應(yīng)的缺陷圖片數(shù)據(jù)，建立基于深度學(xué)習(xí)的金屬表面缺陷檢測模型；

步驟S6、利用基于深度學(xué)習(xí)的金屬表面缺陷檢測模型檢測采集的圖片數(shù)據(jù)，得到對應(yīng)的金屬表面缺陷的結(jié)果。

2.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的金屬表面缺陷檢測方法，其特征在于，所述步驟S2具體包括：

步驟S201、根據(jù)金屬表面規(guī)格參數(shù)表得到標(biāo)準(zhǔn)金屬表面的長和寬；

步驟S202、利用Canny算子對圖像進(jìn)行邊緣檢測，然后進(jìn)行二值化；

步驟S203、查找所有輪廓，然后指定精度多邊形進(jìn)行逼近；

步驟S204、通過計算每個輪廓多邊形的邊長數(shù)、每個輪廓多邊形相鄰邊最大的夾角余弦的絕對值、每個輪廓多邊形的面積來確定金屬表面的外輪廓；

步驟S205、確定金屬表面的外輪廓后，將金屬表面從背景中分割出來，消除背景對檢測結(jié)果的干擾。

3.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的金屬表面缺陷檢測方法，其特征在于，所述對消除背景干擾的金屬表面圖片數(shù)據(jù)進(jìn)行圖像識別和圖像特征提取，篩選出缺陷圖片數(shù)據(jù)包括：

通過灰度法對具備特征方向的圖片數(shù)據(jù)進(jìn)行圖像識別，對圖像識別后圖片數(shù)據(jù)進(jìn)行圖像特征提取，根據(jù)提取的圖像特征，篩選出缺陷圖片數(shù)據(jù)。

4.根據(jù)權(quán)利要求1或2所述的基于深度學(xué)習(xí)的金屬表面缺陷檢測方法，其特征在于，所述初始圖片數(shù)據(jù)包括缺陷圖片數(shù)據(jù)和正常圖片數(shù)據(jù)。