[发明专利]一种基于深度卷积神经网络的金属板带表面缺陷检测系统

权利要求书

1.一种基于深度卷积神经网络的金属板带表面缺陷检测系统，其特征在于，包括：相机、用于安装所述相机的安装架及处理器模块；其中，

所述安装架，横跨于工业现场传送带之上；

所述相机，安装在所述安装架上，用于实时采集传送带上金属板带的表面图像；

所述处理器模块，用于采用深度卷积神经网络算法，对实时采集的金属板带的表面图像进行缺陷识别。

2.根据权利要求1所述的基于深度卷积神经网络的金属板带表面缺陷检测系统，其特征在于，所述相机为工业CCD相机。

3.根据权利要求1所述的基于深度卷积神经网络的金属板带表面缺陷检测系统，其特征在于，所述系统还包括：上位机；

所述处理器模块，用于将识别结果通过通信线缆上传至上位机；

所述上位机，用于对接收到的识别结果进行展示。

4.根据权利要求1所述的基于深度卷积神经网络的金属板带表面缺陷检测系统，其特征在于，深度卷积神经网络的结构包括：输入层、与所述输入层连接的卷积层、与所述卷积层连接的池化层及所述池化层连接的全连接层。

5.根据权利要求4所述的基于深度卷积神经网络的金属板带表面缺陷检测系统，其特征在于，所述输入层，用于输入实时采集的金属板带的表面图像，对于输入的每张图像，在深度方向上的某个层，对应着多个神经元，每个神经元各自分别对应于相应图像中的某一个局部区域，提取各局部区域的特征，并根据提取的各局部区域的特征组成局部区域数据矩阵，同时将神经元的权重组成权值矩阵；

所述输入层，还用于将所述局部区域数据矩阵和权值矩阵输出至所述卷积层。

6.根据权利要求5所述的基于深度卷积神经网络的金属板带表面缺陷检测系统，其特征在于，神经元的权重表现为卷积和的形式。

7.根据权利要求5所述的基于深度卷积神经网络的金属板带表面缺陷检测系统，其特征在于，所述卷积层，用于将所述输入层输出的所述局部区域数据矩阵和权值矩阵进行点积运算，得到图像各局部区域的特征激活值，其中，得到的各局部区域的特征激活值为特征激活值矩阵；

所述卷积层，还用于将得到的特征激活值矩阵输出至所述池化层。

8.根据权利要求7所述的基于深度卷积神经网络的金属板带表面缺陷检测系统，其特征在于，所述池化层，用于选取m维权值矩阵对接收到特征激活值矩阵进行每个局部区域的平均值或最大值求解，得出代表相应局部区域的特征值，其中，所述特征值为：求解后得到的映射到隐藏空间的平均值或最大值。

9.根据权利要求8所述的基于深度卷积神经网络的金属板带表面缺陷检测系统，其特征在于，所述全连接层，用于将所述池化层映射到隐藏空间的特征值进行分类，并去除分类过程中冗余的计算结果，输出最终的识别结果。