[发明专利]一种基于跨阶段局部网络的带钢表面缺陷检测方法

权利要求书

1.一种基于跨阶段局部网络的带钢表面缺陷检测方法，其特征在于，包括：

步骤1，构建带钢表面缺陷检测的数据集；

所述数据集包含12种带钢表面缺陷，包括：划伤、辊印、黑线、辊系铁皮、大翘皮、除麟铁皮、擦伤铁皮、擦伤、边线、边部翘皮、边部裂纹和边部裂口；

所述构建数据集时，对每张缺陷图片进行标注，标注内容包括缺陷在图中的位置以及缺陷类型；使用GAN+复制粘贴的方式进行数据扩展；GAN代表生成式对抗网络；

步骤2，改进深度神经网络模型YOLOv4，构建CSP-YOLO网络模型，用于带钢表面缺陷检测；CSP代表跨阶段局部网络；

所述CSP-YOLO网络模型在YOLOv4模型的特征金字塔的每一个上下层级之间加入跨阶段局部网络模块CSP_{3_1}，CSP_{3_1}取代原有的直接卷积操作；所述CSP_{3_1}模块进行上下层级之间的特征融合，包括两个旁路，一个旁路上具有3个CBL组件和1个卷积组件，一个旁路上具有1个卷积组件，两个旁路的输出串联后输出，再经一个批量正则化模块、一个Relu激活函数和一个CBL组件输出融合的特征；所述CBL组件由一个卷积层、一个批量正则化模块和一个Relu激活函数组成；

步骤3，利用数据集对CSP-YOLO网络模型进行训练和测试，输出最优CSP-YOLO网络模型作为最终的带钢表面缺陷检测模型；将采集的带钢图片输入带钢表面缺陷检测模型，输出缺陷位置与类型。

2.根据权利要求1所述的方法，其特征在于，所述的步骤1中，具体构建过程包括：

选取带钢表面有缺陷的图片；

使用矩形框标注记录缺陷在图像上的位置和种类，标注出图上出现的所有缺陷；

将标注内容存放为xml格式文件，文件名和对应的图片名相同；

基于已标注数据集，使用GAN+复制粘贴的方式进行数据扩展；其中，使用GAN对已标注数据集进行学习，再按照生成对抗网络输入缺陷框的大小和种类生成相同大小和种类的缺陷模拟图像；对于每类缺陷生成相同数量的标注样本。

3.根据权利要求1或2所述的方法，其特征在于，所述的步骤1中，生成某一类缺陷的样本时，从采集的带钢表面数据集中随机抽取1张原始图片，再从该类缺陷生成的缺陷模拟图像中随机抽取多张粘贴到原始图片上，生成一个复制缺陷样本，重复该过程，直到该类缺陷的所有缺陷模拟图像均被抽取粘贴完，完成一个数据集的扩展。

4.根据权利要求1所述的方法，其特征在于，所述的步骤2中，搜索在所述数据集上表现最好的跨阶段局部网络特征融合CSP_{a_b}模块，其中a代表CSP_{a_b}模块中一个旁路上CBL模块的数量，1≤a≤10；b表示CSP_{a_b}模块中另一个旁路上卷积层的个数，1≤b≤10。

5.根据权利要求1所述的方法，其特征在于，所述的步骤2中，所述CSP-YOLO网络模型中，YOLOv4的主干网络采用CSPResNext50。

6.根据权利要求1或5所述的方法，其特征在于，所述的步骤2中，所述CSP-YOLO网络模型的工作过程包括：

(11)使用YOLOv4的头部网络对输入图片进行预处理，统一图片尺寸，并进行数据增强处理，然后输入(12)；

(12)将图像输入YOLOv4的主干网络进行特征提取；

(13)使用主干网络每一层提取出来的特征构建特征金字塔，并使用CSP_{3_1}进行上下层级之间的特征融合，得到不同分辨率的融合特征金字塔；

(14)针对融合特征金字塔的每一层进行缺陷位置检测和分类，并输出检测结果。