[发明专利]一种金属喷漆表面缺陷检测方法

说明书

本发明涉及一种金属喷漆表面缺陷检测方法，包括：获取包含有缺陷图像和无缺陷图像的金属喷漆表面图像数据集；采用二分类方式对金属喷漆表面图像数据集进行初选，得到带有标注的正样本、无标注的正样本和负样本；获取金属喷漆表面包含未知类别缺陷的图像，结合二分类初选得到的样本，通过对深度学习神经网络进行训练测试，得到缺陷检测模型；将实际金属喷漆表面图像输入缺陷检测模型，输出得到该实际金属喷漆表面图像的缺陷检测结果。与现有技术相比，本发明结合Blob块检测和深度学习神经网络，能准确、快速地进行前期样本筛选和标注，同时利用未知类别缺陷图像训练神经网络，使得本发明能够对金属喷漆表面缺陷进行快速、准确、全面的检测。

技术领域

本发明涉及金属喷漆表面检测技术领域，尤其是涉及一种金属喷漆表面缺陷检测方法。

背景技术

为保证金属喷漆产品的外观质量，需要对金属喷漆表面进行缺陷检测，以筛选掉表面发生喷漆缺陷的产品。目前常用的检测方法主要分为人工检测和机器图像识别两种方式，其中，人工检测存在检测效率低、检测准确度低的问题；机器图像识别则是通过深度学习，以对拍摄的金属喷漆表面自动进行缺陷检测，这种方式需要利用正负样本进行训练和测试，而正负样本则通常采用人工筛选和标注进行区分，这无疑增加了前期工作量，一旦出现大批量的样本，很有可能出现人工标注错误或者人工漏标注的问题，导致后续检测准确率降低，此外，现有的图像识别检测方式只能根据前期训练的成果进行固定缺陷的检测识别，对于未知类型缺陷，则无法检测识别出，即无法全面可靠地进行金属喷漆表面缺陷检测，若要实现全面检测的目的，则必须增加输出类别数目，以提升分类性能，使得整个深度学习网络结构更加复杂，不利于快速、准确地输出检测结果。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种金属喷漆表面缺陷检测方法，针对现有检测的不准确性和深度学习只能检测先验种类缺陷的问题，能够实现快速、全面、准确检测金属喷漆表面缺陷的目的。

本发明的目的可以通过以下技术方案来实现：一种金属喷漆表面缺陷检测方法，包括以下步骤：

S1、获取金属喷漆表面图像数据集，该数据集中包含有缺陷图像和无缺陷图像；

S2、采用二分类方式对金属喷漆表面图像数据集进行初选，再通过LabelMe图像标注工具得到带有标注的正样本、无标注的正样本和负样本，其中，正样本为有缺陷图像，负样本为无缺陷图像；

S3、获取金属喷漆表面包含未知类别缺陷的图像，结合带有标注的正样本、无标注的正样本和负样本，通过对深度学习神经网络进行训练测试，得到训练好的缺陷检测模型；

S4、将实际金属喷漆表面图像输入缺陷检测模型，输出得到该实际金属喷漆表面图像的缺陷检测结果。

进一步地，所述金属喷漆表面图像数据集中有缺陷图像的缺陷具体包括流淌、颗粒、翻边和气泡。

进一步地，所述步骤S2具体包括以下步骤：

S21、对金属喷漆表面图像数据集进行预处理，得到预处理后的H张金属喷漆表面图像；

S22、采用Blob块检测方式，对预处理后的每张金属喷漆表面图像依次进行块检测，以初选出K张有缺陷图像和S张无缺陷图像，其中，K+S＝H；

S23、通过LabelMe图像标注工具，随机对N张有缺陷图像中的缺陷进行标注，得到带有标注的正样本，剩余(K-N)张有缺陷图像即为无标注的正样本，S张无缺陷图像即为负样本。

进一步地，所述步骤S21中预处理过程具体为：

S211、通过高斯滤波去除金属喷漆表面图像的噪声；

S212、对金属喷漆表面图像进行直方图均衡化处理，以均匀图像亮度；