[发明专利]一种速度与精度平衡的钢铁产品表面缺陷检测方法

权利要求书

1.一种速度与精度平衡的钢铁产品表面缺陷检测方法，其特征在于，包括以下步骤：

S1：从数据库中获取热轧带钢表面缺陷典型图像样本，并对样本进行预处理；

S2：基于CenterNet目标检测模型，设计包含跳层连接和金字塔特征融合模块的热轧带钢表面缺陷目标检测模型，并选择骨干网络作为目标检测模型的特征提取器；

S3：对目标检测模型中骨干网络结构部分的参数采用在ImageNet数据集上训练好的参数进行初始化，并用训练样本训练目标检测模型；

S4：用训练后的目标检测模型对测试样本进行测试，并输出检测结果。

2.根据权利要求1所述的一种速度与精度平衡的钢铁产品表面缺陷检测方法，其特征在于：在所述步骤S1中，所述数据库为NEU表面缺陷数据库，在该数据库中得到热轧带钢表面六种典型表面缺陷的图像及每副图像中缺陷所在的位置坐标信息，六种典型表面缺陷分别为裂纹、压入氧化皮、麻面、斑块、夹杂、划痕。

3.根据权利要求1所述的一种速度与精度平衡的钢铁产品表面缺陷检测方法，其特征在于：所述步骤S1包括以下步骤：

S11：将获取的样本以设定比例分为训练集和测试集，所述训练集和测试集均包含6种典型表面缺陷类别，并将训练集中的样本扩大为384*384的图片；

S12：对训练样本进行数据增强处理，数据增强处理方式包括翻转、平移、增加亮度、裁减、放大。

4.根据权利要求1所述的一种速度与精度平衡的钢铁产品表面缺陷检测方法，其特征在于：所述步骤S2包括以下步骤：

S21：基于CenterNet目标检测模型，选择骨干网络ResNet18-dcn作为特征提取器；

S22：设计包含跳层连接模块的热轧带钢表面缺陷目标检测模型；

S23：在加入跳层连接模块的目标检测模型中添加金字塔特征融合模块，得到最终的目标检测模型。

5.根据权利要求4所述的一种速度与精度平衡的钢铁产品表面缺陷检测方法，其特征在于：在所述步骤S23中，最终的目标检测模型包括编码网络、解码网络、跳层连接模块、金字塔特征融合模块、输出模块；所述编码网络包括依次连接的第一卷积模块、第二卷积模块、第三卷积模块、第四卷积模块、第五卷积模块，所述第一卷积模块包括依次连接的一个卷积层与一个池化层，所述第二卷积模块、第三卷积模块、第四卷积模块、第五卷积模块结构相同，均包括两个依次连接且有两个卷积层的残差结构，所述解码网络包括依次连接的第一上采样模块、第二上采样模块、第三上采样模块，所述第一上采样模块、第二上采样模块、第三上采样模块结构相同，均包括依次连接的一个形变卷积层与一个上采样层；所述跳层连接模块用于实现所述编码网络与解码网络中输出特征图尺寸大小相同的特征图之间的连接，连接结合方式是特征图之间像素值的相加，相加后的融合特征图输出尺寸不变；所述金字塔特征融合模块用于将不同尺寸的特征图通过上采样层调整为统一大小，然后将它们通过相加的方式合并，融合为一个具有较大尺寸的特征图。

6.根据权利要求5所述的一种速度与精度平衡的钢铁产品表面缺陷检测方法，其特征在于：在所述编码网络中，所述第一卷积模块输出特征图的尺寸是原始图像大小的1/4，所述第二卷积模块中卷积层的步长均为1，第三卷积模块、第四卷积模块、第五卷积模块中第一个卷积残差结构中的第一个卷积层的步长为2，其余的卷积层步长均为1，除所述第一卷积模块外，每个卷积模块输出特征图尺寸大小依次为1/4、1/8、1/16、1/32。

7.根据权利要求5所述的一种速度与精度平衡的钢铁产品表面缺陷检测方法，其特征在于：在所述解码网络中，所述形变卷积层采用卷积核大小为3×3，步长为1，所述上采样层采用卷积核大小为4×4，步长为2，上采样后的每个特征图的通道为256、128、64。