[發明專利]一種基于深度學習的金屬表面缺陷檢測方法

在審

• 申請號: 202210664226.6
• 申請日: 2022-06-13
• 公開（公告）號: CN115018798A
• 公開（公告）日: 2022-09-06
• 發明（設計）人: 劉臘梅;方俊杰;韓軍;曲海成;黃惠玲
• 申請（專利權）人: 遼寧工程技術大學
• 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權代理事務所(普通合伙) 11017
• 代理人: 韓登營;張麗萍

本發明公開了一種基于深度學習的金屬表面缺陷檢測方法，包括獲取前端攝像機采集的金屬表面的初始圖片數據；對初始圖片數據進行處理，得到消除背景干擾的金屬表面圖片數據；對金屬表面圖片數據進行圖像識別和圖像特征提取，篩選出缺陷圖片數據；對篩選出的缺陷圖片數據進行對應的金屬表面缺陷類別劃分，得到不同金屬表面缺陷對應的缺陷圖片數據；根據缺陷圖片數據，建立基于深度學習的金屬表面缺陷檢測模型；利用基于深度學習的金屬表面缺陷檢測模型檢測采集的圖片數據，得到對應的金屬表面缺陷的結果。本發明通過對獲取金屬表面的圖片數據進行處理具備特征方向的圖片數據，據后面處理后的圖片數據建立金屬表面缺陷檢測模型，實現了對金屬表面缺陷進行缺陷識別檢測，檢測的準確率高。

技術領域

本發明屬于工業缺陷檢測的技術領域，尤其涉及一種基于深度學習的金屬表面缺陷檢測方法。

背景技術

金屬在日常生活、工業生產中用途非常廣泛，涉及應用領域也特別多，是很多產品的基礎材料。據粗略統計，在人們日常使用的金屬中，鋼鐵的使用量占比高達90％以上，家電、手機等，幾乎常見產品都會涉及鋼材的使用。而在工業中，石油化工、車輛工程、航空航天、軍工國防等領域，鋼材的使用更是密不可分，其優異的性能有著不可替代的作用。

雖然我國鋼鐵產量高，出口大，但和一些發達國家相比較，在高技術、高附加值等層面還略有不足，主要由(1)裝備落后、企業投入少；(2)工藝水平低、產品質量控制能力差；(3)作業環境不整潔、人工作業不規范等因素，導致我國鋼鐵相關產品質量和發達國家相比有相當大的差距。伴隨著機器視覺領域相關技術的不斷進步，相關的圖像識別檢測算法不斷地涌現出來。

目前工業生產線上使用的機器檢測方法是傳統的圖像處理算法，傳統的圖像處理算法需要人工設定圖像特征提取和識別的參數，并根據不同的缺陷類型制定不同的檢測方案，缺乏靈活性，且很難達到更高的識別準確率。

發明內容

基于以上現有技術的不足，本發明所解決的技術問題在于提供一種基于深度學習的金屬表面缺陷檢測方法，可以解決現有技術中檢測方式容易導致圖像畸變，造成檢測速度慢、檢測精度不準確的問題。

為了解決上述技術問題，本發明通過以下技術方案來實現：本發明提供一種基于深度學習的金屬表面缺陷檢測方法，包括：

步驟S1、獲取前端攝像機采集的金屬表面的初始圖片數據；

步驟S2、對初始圖片數據進行處理，得到消除背景干擾的金屬表面圖片數據；

步驟S3、對消除背景干擾的金屬表面圖片數據進行圖像識別和圖像特征提取，篩選出缺陷圖片數據；

步驟S4、對篩選出的缺陷圖片數據進行對應的金屬表面缺陷類別劃分，得到不同金屬表面缺陷對應的缺陷圖片數據；

步驟S5、根據不同金屬表面缺陷對應的缺陷圖片數據，建立基于深度學習的金屬表面缺陷檢測模型；

步驟S6、利用基于深度學習的金屬表面缺陷檢測模型檢測采集的圖片數據，得到對應的金屬表面缺陷的結果。

進一步的，所述步驟S2具體包括：

步驟S201、根據金屬表面規格參數表得到標準金屬表面的長和寬；

步驟S202、利用Canny算子對圖像進行邊緣檢測，然后進行二值化；

步驟S203、查找所有輪廓，然后指定精度多邊形進行逼近；

步驟S204、通過計算每個輪廓多邊形的邊長數、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，消除背景對檢測結果的干擾。