[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

说明书

本发明公开了一种速度与精度平衡的钢铁产品表面缺陷检测方法，属于钢材表面缺陷检测技术领域，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。本发明检测热轧带钢表面缺陷目标位置的准确率高，检测速度快，能够有效地应用于现场实时检测热轧带钢的表面缺陷。

技术领域

本发明涉及钢材表面缺陷检测技术领域，具体涉及一种速度与精度平衡的钢铁产品表面缺陷检测方法。

背景技术

热轧带钢生产过程中，因各种物理和化学因素及热轧工艺的复杂性，导致带钢表面易出现压入氧化皮、划痕、麻面、夹杂、斑块、裂缝等各式各样的缺陷，严重影响产品的性能和美观。缺陷产品产生并流向市场会给产品制造商带来巨大的经济和商业声誉损失。因此，实时、正确的热轧带钢表面缺陷检测研究对带钢生产和质量控制非常重要。

目前，钢铁表面缺陷的检查主要分为人工观察和自动缺陷检测系统。人工观察的检测方法对检测人员的依赖性高，会耗费大量人力，并且主观性强，难以对产品表面缺陷做出科学和准确的识别。红外、漏磁和机器视觉等自动缺陷检测技术在实际工业生产中的广泛应用，使得人工缺陷检测方法带来的问题逐渐得到解决。特别是计算机视觉的发展，大大提高了缺陷分类技术的准确性和速度。然而，这些方法无法在缺陷检查任务中获得准确的缺陷位置信息。近年来，随着深度学习的发展，卷积神经网络在特征提取方面占据着独特的优势，并在识别任务中取得了较好的成绩。因此，将深度学习方法应用到工业目标检测中是目前产品检测的研究热点。

申请号为CN201611136821.3的中国发明专利公开了一种铸坯表面缺陷传承到轧材的精确定位方法。该发明专利主要研究方大特钢核心产品表面缺陷产生的时间、空间的对应关系，推断表面缺陷产生的既定工序，为提高核心产品的质量和企业的生产效率提供重要的参考依据。该专利介绍的一种铸坯表面缺陷对应轧材缺陷的快速精确定位方法，通过沿轧制方向在铸坯表面缺陷两端一定距离按要求孔径及深度开孔，并用焊条焊接填充平整，轧制后按对应关系可以快速精确查找到开孔对应轧材上缺陷，并据此快速定位铸坯表面缺陷，并进行取样检测分析，实现铸坯表面缺陷对应轧材缺陷的快速精确定位，能够有效提高判断缺陷产生原因以及工序改进的及时性、精准性。

当前在深度学习方法中，已被证实卷积神经网络中不同等级的特征图包含不同的图像信息。具体地，浅层特征图可以充分表示目标的位置信息，而高层次特征包含了丰富的目标语义信息。DOI为的10.1109/TIM.2019.2915404科研论文公开了一种通过融合多层特征对热轧带钢表面缺陷进行检测的端到端算法。该论文主要研究了通过融合多个等级的特征图来提升检测模型对热轧带钢表面缺陷的检测能力。其首先检验了特征融合方法的引入没有显著降低模型对缺陷的分类性能，之后将该网络结构应用于热轧带钢缺陷检测中。该方法的主要侧重点在于，将不同层次的特征采用不同的下采样或上采样策略将特征图尺寸缩放至统一尺寸，然后将它们融合。实验结果确实证明了该方法可以提升检测模型的缺陷检测能力，但是，其并没有针对不同特点的热轧带钢表面缺陷图像设计专门的解决方案，而是将几乎所有层次的特征图统一进行整合。另外，其选择的网络骨干具有较多的训练参数，没有考虑实际工业生产环境中的检测速度要求。为此，提出一种速度与精度平衡的钢铁产品表面缺陷检测方法。

发明内容

本发明所要解决的技术问题在于：如何对钢铁产品表面缺陷进行精度高且速度能满足实时生产线要求的检测，提供了一种速度与精度平衡的钢铁产品表面缺陷检测方法。

本发明是通过以下技术方案解决上述技术问题的，本发明包括以下步骤：

S1：从NEU-DET数据库中获取热轧带钢表面缺陷典型图像样本，并对其进行预处理；