[發(fā)明專利]一種基于深度學(xué)習(xí)的皮帶缺陷檢測(cè)方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 202310286834.2
• 申請(qǐng)日: 2023-03-23
• 公開(kāi)（公告）號(hào): CN115993365B
• 公開(kāi)（公告）日: 2023-06-13
• 發(fā)明（設(shè)計(jì)）人: 王紀(jì)強(qiáng);宋震;劉真梅;趙林;侯墨語(yǔ);李振
• 申請(qǐng)（專利權(quán)）人: 山東省科學(xué)院激光研究所;齊魯工業(yè)大學(xué)（山東省科學(xué)院）
• 主分類號(hào): G01N21/88
• 分類號(hào): G01N21/88;G06T7/00;G06N3/084;G06V10/77;G06V10/82
• 代理公司: 北京弘權(quán)知識(shí)產(chǎn)權(quán)代理有限公司 11363
• 代理人: 逯長(zhǎng)明;占園

1.一種基于深度學(xué)習(xí)的皮帶缺陷檢測(cè)方法，其特征在于，所述檢測(cè)方法包括：

構(gòu)建皮帶訓(xùn)練網(wǎng)絡(luò)模型，所述構(gòu)建皮帶訓(xùn)練網(wǎng)絡(luò)模型包括隨機(jī)仿射變換特征提取處理步驟、激勵(lì)注意力機(jī)制處理步驟和小目標(biāo)檢測(cè)頭處理步驟；

訓(xùn)練所述皮帶訓(xùn)練網(wǎng)絡(luò)模型得到目標(biāo)權(quán)重文件；

獲取向所述皮帶底部發(fā)射激光時(shí)，所述皮帶表面的待檢測(cè)圖像；

對(duì)所述皮帶待檢測(cè)圖片進(jìn)行解析檢測(cè)處理得到像素塊組；

比對(duì)所述像素塊組與所述目標(biāo)權(quán)重文件，得到比對(duì)結(jié)果；

判斷所述比對(duì)結(jié)果是否大于比對(duì)閾值；

若是，則生成用于關(guān)閉皮帶機(jī)的控制指令；

所述隨機(jī)仿射變換特征提取處理步驟包括：

獲取若干張皮帶缺陷圖片；

對(duì)所述皮帶缺陷圖片進(jìn)行隨機(jī)仿射變換處理得到仿射圖片；

對(duì)所述仿射圖片進(jìn)行拆分處理得到拆分圖片；

所述隨機(jī)仿射變換特征提取處理步驟之后還包括：

利用卷積對(duì)所述拆分圖片進(jìn)行通道整合處理得到擴(kuò)充圖片；

對(duì)所述擴(kuò)充圖片進(jìn)行特征提取處理得到第一特征分支，留存所述第一特征分支；

對(duì)所述第一特征分支依次進(jìn)行所述通道整合處理和所述特征提取處理得到第二特征分支，留存所述第二特征分支；

對(duì)所述第二特征分支依次進(jìn)行所述通道整合處理和所述特征提取處理得到第三特征分支，留存所述第三特征分支；

對(duì)所述第三特征分支進(jìn)行特征池化處理得到池化特征；

對(duì)所述池化特征進(jìn)行特征提取處理得到第四特征分支，留存所述第四特征分支；

所述激勵(lì)注意力機(jī)制處理步驟包括：

分別對(duì)所述第一特征分支、所述第二特征分支、所述第三特征分支和所述第四特征分支進(jìn)行全局平均池化得到第一擴(kuò)充特征；

將所述第一擴(kuò)充特征和所述第一特征分支進(jìn)行糅合處理得到所述擴(kuò)充特征；

對(duì)所述擴(kuò)充特征進(jìn)行激勵(lì)處理得到激勵(lì)特征；

利用sigmoid函數(shù)對(duì)所述激勵(lì)特征進(jìn)行歸一化處理得到特征權(quán)重；

將所述特征權(quán)重和與所述特征權(quán)重對(duì)應(yīng)的特征通道相乘得到權(quán)重特征通道；

所述小目標(biāo)檢測(cè)頭處理步驟包括：

對(duì)所述擴(kuò)充特征進(jìn)行采樣處理得到第一采樣特征；

對(duì)所述第一采樣特征進(jìn)行采樣處理得到第二采樣特征；

將所述第二采樣特征和所述第一特征分支進(jìn)行糅合處理得到第一小目標(biāo)特征；

對(duì)所述第一小目標(biāo)特征依次進(jìn)行所述通道整合處理和所述特征提取處理得到目標(biāo)小目標(biāo)特征；

利用所述sigmoid函數(shù)對(duì)所述目標(biāo)小目標(biāo)特征進(jìn)行歸一化處理得到小目標(biāo)特征權(quán)重；

將所述小目標(biāo)特征權(quán)重和與所述小目標(biāo)特征權(quán)重對(duì)應(yīng)的特征通道相乘得到小目標(biāo)權(quán)重特征通道；

對(duì)所述權(quán)重特征通道和所述小目標(biāo)權(quán)重特征通道進(jìn)行預(yù)測(cè)處理得到所述皮帶訓(xùn)練網(wǎng)絡(luò)模型；

獲取若干張皮帶缺陷圖片；

根據(jù)所述皮帶訓(xùn)練網(wǎng)絡(luò)模型對(duì)所述缺陷圖片進(jìn)行特征提取處理得到缺陷特征；

對(duì)所述缺陷特征進(jìn)行標(biāo)注處理得到缺陷標(biāo)注圖片；

根據(jù)所述皮帶缺陷圖片與所述缺陷標(biāo)注圖片之間的缺陷距離計(jì)算得出交并比；

將所述交并比代入損失函數(shù)計(jì)算得出損失值，所述損失函數(shù)包括置信度損失、分類損失和定位損失，所述損失函數(shù)公式為：

；

其中，所述obj_loss為所述置信度損失，所述cls_loss為所述分類損失，所述box_loss為所述定位損失；

根據(jù)所述損失值并利用反向傳播處理對(duì)所述缺陷標(biāo)注圖片進(jìn)行缺陷修改得到目標(biāo)缺陷標(biāo)注圖片；

根據(jù)所述皮帶缺陷圖片與所述目標(biāo)缺陷標(biāo)注圖片之間的缺陷距離計(jì)算得出目標(biāo)交并比；

將所述目標(biāo)交并比代入所述損失函數(shù)得到目標(biāo)損失值；

判斷所述目標(biāo)損失值是否小于或等于預(yù)設(shè)損失值；

若是，則對(duì)所述目標(biāo)缺陷標(biāo)注圖片進(jìn)行權(quán)重提取處理得到目標(biāo)權(quán)重文件；

若否，則繼續(xù)對(duì)所述目標(biāo)缺陷標(biāo)注圖片進(jìn)行缺陷修改直至所述目標(biāo)損失值小于或等于所述預(yù)設(shè)損失值。