[发明专利]一种金属表面缺陷定位及分类方法在审
| 申请号： | 202110052440.1 | 申请日： | 2021-01-15 |
| 公开（公告）号： | CN112669313A | 公开（公告）日： | 2021-04-16 |
| 发明（设计）人： | 李雪;李锐;王建华 | 申请（专利权）人： | 济南浪潮高新科技投资发展有限公司 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T7/70;G06K9/46;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 济南信达专利事务所有限公司 37100 | 代理人： | 孙晶伟 |
| 地址： | 250100 山东省济南市*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 金属表面 缺陷 定位 分类 方法 | ||
本发明公开一种金属表面缺陷定位及分类方法，涉及图像检测技术领域；采集金属缺陷图像数据，利用级联网络获取金属缺陷图像数据的预测掩模，根据预测掩模裁剪感兴趣区域获得缺陷部分的最小矩形图像，利用分类神经网络获得金属表面缺陷分类。
技术领域
本发明公开一种方法，涉及图像检测技术领域，具体地说是一种金属表面缺陷定位及分类方法。
背景技术
金属表面缺陷自动检测在工业产品质量控制中非常重要。现有方法是基于图像处理或机器学习技术，但这些方法只能在特定的检测条件下检测出缺陷，比如缺陷轮廓明显，对比度强，噪声低。
发明内容
本发明针对现有技术的问题，提供一种金属表面缺陷定位及分类方法，用于金属缺陷自动检测，从真实工业环境中获取图像，并准确地对缺陷进行定位和分类。
本发明提出的具体方案是：
一种金属表面缺陷定位及分类方法，采集金属缺陷图像数据，利用级联网络获取金属缺陷图像数据的预测掩模，根据预测掩模裁剪感兴趣区域获得缺陷部分的最小矩形图像，利用分类神经网络获得金属表面缺陷分类。
优选地，所述的一种金属表面缺陷定位及分类方法中至少两个具有相同结构的自编码网络组成级联网络。
优选地，所述的一种金属表面缺陷定位及分类方法中自编码网络包括编码器网络和解码器网络，编码器网络将图像转换成多维特征图像进行特征提取和表示，并获得特征映射，解码器网络通过合并所有中间层学习到的特征映射的上下文信息微调像素级标签。
优选地，所述的一种金属表面缺陷定位及分类方法中对采集的金属缺陷图像数据进行数据扩增。
优选地，所述的一种金属表面缺陷定位及分类方法中对采集的金属缺陷图像数据转变为灰度图像数据，并进行尺寸归一化处理，再输入级联网络。
一种金属表面缺陷定位及分类系统，包括采集模块、级联网络处理模块、剪裁模块及分类模块，
采集模块采集金属缺陷图像数据，级联网络处理模块利用级联网络获取金属缺陷图像数据的预测掩模，剪裁模块根据预测掩模裁剪感兴趣区域获得缺陷部分的最小矩形图像，分类模块利用分类神经网络获得金属表面缺陷分类。
优选地，所述的一种金属表面缺陷定位及分类系统中级联网络处理模块利用至少两个具有相同结构的自编码网络组成级联网络。
优选地，所述的一种金属表面缺陷定位及分类系统中级联网络处理模块利用的自编码网络包括编码器网络和解码器网络，编码器网络将图像转换成多维特征图像进行特征提取和表示，并获得特征映射，解码器网络通过合并所有中间层学习到的特征映射的上下文信息微调像素级标签。
优选地，所述的一种金属表面缺陷定位及分类系统中还包括数据扩增模块，数据扩增模块对采集的金属缺陷图像数据进行数据扩增。
优选地，所述的一种金属表面缺陷定位及分类系统中还包括预处理模块，预处理模块对采集的金属缺陷图像数据转变为灰度图像数据，并进行尺寸归一化处理，再输入级联网络。
本发明的有益之处是：
本发明提供一种金属表面缺陷定位及分类方法，用于金属缺陷自动检测，从真实工业环境中获取图像，不受环境影响，并准确地对缺陷进行定位和分类。级联网络将输入缺陷图像转换为基于语义分割的像素级预测掩码，利用深度学习网络进行分类。
附图说明
图1是本发明方法中数据集建立流程示意图；
图2是本发明方法流程示意图；
图3是本发明中自编码网络结构示意图。
具体实施方式
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于济南浪潮高新科技投资发展有限公司，未经济南浪潮高新科技投资发展有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202110052440.1/2.html，转载请声明来源钻瓜专利网。
