[发明专利]一种基于改进YOLOv3模型的实时钢管缺陷检测方法

权利要求书

1.一种基于改进YOLOv3模型的实时钢管缺陷检测方法，其特征在于，所述方法包括以下步骤：

(1)搭建稳定的封闭图像采集环境，采集不同角度的图像；

(2)提取图像中钢管位置信息，分离钢管图像；

(3)拼接钢管各角度图像，手动标注所需特征；

(4)利用尺度聚类思想改进YOLOv3网络，用拼接后的图像训练神经网络；

(5)将训练完毕的神经网络做检验，并标注出现缺陷位置。

2.如权利要求1所述的一种基于改进YOLOv3模型的实时钢管缺陷检测方法，其特征在于，所述步骤(1)中，结合实际工业条件，用4台工业相机CDD成像搭建图像采集环境，即在一个封闭的环境中，将工业相机的曝光度与白平衡等参数调整到稳定、合适的值，并保证4台工业相机处于同一个竖直平面内，4台相机要能围成一个矩形，意图能呈现出360°的成像效果；完成以上布置后，分别从4个角度采集一根钢管的具体信息。

3.如权利要求1或2所述的一种基于改进YOLOv3模型的实时钢管缺陷检测方法，其特征在于，所述步骤(2)中，通过图像分割技术与直线拟合相结合的方式提取钢管位置信息，并利用仿射变换调整钢管图像形状，过程如下：

2.1)图像分割、直线检测方法确定钢管位置信息

a.分割图像确定图像分类信息

利用基于大尺度核函数的全卷积神经网络(GNC)实现钢管图像的语义分割，提取图像的类别信息，并将钢管类别图像记为研究区域，将研究区域与背景用二值数据区分，同类图像使用相同数值标记；

b.直线检测确定图像定位信息

利用图像分割技术将原图转化为区分前景、背景的二值图像，利用合适阈值的Canny算子提取前景边缘，利用直线拟合提取最合适的边缘线，其中最小二乘法为量化直线合适度的依据，最终由直线确定研究区域的位置信息，即钢管图像4个顶点的坐标；

2.2)仿射变换调整钢管图像大小

步骤a.b.得到研究区域的4个顶点坐标后，4个点围成的四边形不一定是矩形，这是由于拍照方向与钢管方向不平行所造成的，将研究区域变换为标准矩形：

利用仿射变换，将二维图像中点的坐标进行调整，仿射变换将调整研究区域内所有像素点的坐标，最终得到矩阵的研究区域。

4.如权利要求1或2所述的一种基于改进YOLOv3模型的实时钢管缺陷检测方法，其特征在于，所述步骤(3)中，实现图像在输入网络前的预处理工作：图像拼接、图像标注、图像尺寸调整，过程如下：

a.图像拼接，利用拼接方式处理图像，将步骤(1)中4个方向的图像按顺序拼接，得拼接图像；

b.调整大小，将拼接图像通过裁切、填补等方式调整为标准的正方形，且长度为32的倍数，便于作为YOLOv3神经网络的输入；

c.图像标注，在拼接后的图像上标注出钢管缺陷，并记录缺陷的长宽信息，便于进行尺度聚类。