[发明专利]一种基于改进YOLOv3网络模型识别铸件DR图像疏松缺陷的方法

权利要求书

1.一种基于改进YOLOv3网络模型识别铸件DR图像疏松缺陷的方法，其特征在于，主要包括以下步骤：

1)获取若干铸件的DR疏松缺陷图像。

2)对所述DR疏松缺陷图像进行预处理，并构建疏松缺陷数据集。

3)对所述疏松缺陷数据集进行预处理，增强疏松缺陷数据集的灰度值；

4)利用图像标注工具的矩形框对疏松缺陷数据集进行标注，获取每个矩形框所对应缺陷等级、矩形框中心点坐标(X，Y)、矩形框宽度W和矩形框高度H；将标注后的疏松缺陷数据集随机划分为疏松缺陷数据训练集和疏松缺陷数据测试集；

5)建立改进YOLOv3网络模型，获取YOLOv3网络模型的原始权重文件，并设置滤波器filter数量、COCO数据集与VOC数据集检测等级标签、迭代次数、学习率和是否采用多尺度训练策略；

6)利用疏松缺陷数据训练集对改进YOLOv3网络模型进行训练；

7)利用疏松缺陷数据测试集对训练后的改进YOLOv3网络模型进行测试，并对改进YOLOv3网络模型输出结果进行评估，若评估结果不满足预设要求，则进入步骤8，反之，则进入步骤9；

8)修改改进YOLOv3网络模型的参数，并返回步骤6；

9)基于改进YOLOv3网络模型的训练过程，对YOLOv3网络模型原始权重文件进行修改，从而得到改进YOLOv3网络模型的权重文件；

10)获取待检测铸件的DR图像，并输入到改进YOLOv3网络模型的权重文件中，判断铸件的缺陷等级和位置坐标。

2.根据权利要求1或2所述的一种基于改进YOLOv3网络模型识别铸件DR图像疏松缺陷的方法，其特征在于，所述铸件为铁路列车转向架的铸钢摇枕或侧架。

3.根据权利要求1所述的一种基于改进YOLOv3网络模型识别铸件DR图像疏松缺陷的方法，其特征在于，对DR原始缺陷图像进行预处理的主要步骤如下：

1)将DR原始缺陷图像统一划分为N×N尺寸的缺陷图像；

2)对缺陷图像进行数据增强；所述数据增强方法包括图像翻转、图像旋转和镜像。

4.根据权利要求1所述的一种基于改进YOLOv3网络模型识别铸件DR图像疏松缺陷的方法，其特征在于，对疏松缺陷数据集进行预处理的方法为：导向滤波器增强算法。

5.根据权利要求1所述的一种基于改进YOLOv3网络模型识别铸件DR图像疏松缺陷的方法，其特征在于，所述缺陷等级数为5。