[发明专利]一种基于卷积神经网络的高尔夫球缺陷检测方法

说明书

本发明公开了一种基于卷积神经网络的高尔夫球缺陷检测方法，该方法主要针对解决高尔夫球缺陷检测问题；主要包括高尔夫球缺陷检测平台设计、数据采集和预处理、神经网络训练和检测结果评估四个部分；使用半监督数据增强方法解决高尔球样本少问题；分别使用分割网络和决策网络对高尔夫球缺陷进行定位和分类；具有精度高、结构简单、人工干预少的特点。

技术领域

本发明涉及缺陷检测的技术领域，尤其涉及一种基于卷积神经网络的高尔夫球缺陷检测方法。

背景技术

产品的缺陷检测一直以来都是生产中的重要环节。在计算机技术成熟之前，产品的缺陷检测工作一直都由人工完成，具有效率低，准确率受人主观影响等缺点。随着计算机技术的发展，各种缺陷检测技术呈井喷之势，传统的统计法、频谱法及模型法等诸多方法在特定领域内都有不错的效果，但缺乏广泛适用性。近年来，人工智能领域的发展给缺陷检测带来了新的方法，将卷积神经网络应用于缺陷检测，使得缺陷检测的精度更高，速度更快，适用性也更广。然而针对高尔夫球实际生产环节中的缺陷检测，鲜有专用的神经网络模型对其进行适配。

高尔夫球实际生产环节中的缺陷检测，其特点在于：(1)由于使用现代先进的生产方法，高尔夫球的次品率很低，因此为神经网络提供的样本有限；(2)高尔夫球体积较小，为了获取精确的缺陷所在位置，应使用像素级的缺陷检测方法；(3)由于缺陷程度存在分级，使用的神经网络需要能够对高尔夫球缺陷程度进行分类。针对上述特点，本发明一种基于卷积神经网络的高尔夫球缺陷检测方法提供了一种高效率、高精度、人工干预少的可行方法。

发明内容

本发明提供的一种基于卷积神经网络的高尔夫球缺陷检测方法，其主要特点是，所述的方法包括以下几个步骤：

S1搭建高尔夫球缺陷检测平台；

S2进行数据采集并对采集数据进行预处理；

S3构建缺陷检测网络模型；

S4训练神经网络模型；

S5评估高尔夫球缺陷检测结果。

较佳地，所述的步骤S1，其特征在于：

使用两个相对的摄像头对高尔夫球进行拍照，用于采集数据和对高尔夫球进行缺陷检测。

较佳地，所述的步骤S2包括以下步骤：

S21数据采集，通过上述S1所述平台获取大量高尔球图像并从以往人工检测出的有缺陷高尔夫球中随机抽取部分作为本发明所使用的数据集；

S22数据筛选，剔除步骤S21所采集数据中的低质量图像；

S23数据增强，使用标签扩增方法解决类分布不平衡问题，并使用半监督数据增强方法扩充数据集，有效防止过度拟合并提高模型的推理能力。

S24图像标注，对经过上述步骤S23的数据集进行人工标注，得到图像数据集对应的标签数据集；

S25图像归一化，使用离差标准化，将图像像素值缩放至[0，1]区间内，令神经网络训练更快、更准确。

S26数据分类，在数据集中随机选出70％数据作为训练集，剩余数据按照1：1分为验证集和测试集。

较佳地，所述步骤S24使用离差标准化公式为：

其中，x为像素值，min为样本数据最小值，max为样本数据最大值。

较佳地，所述步骤S3包括构建分割网络和构建决策网络；

较佳地，步骤S3所述分割网络，其特点在于，对输入图像进行语义分割，检测缺陷具体位置；