[发明专利]一种高灵敏度的热轧钢卷端面缺陷识别系统及方法

说明书

本发明公开了一种基于深度学习的高灵敏度热轧钢卷端面缺陷识别系统及方法，包括：数据集处理模块，该模块体现热轧钢卷端面缺陷识别的数据集处理过程，采集图片制作数据集，通过高识别率的模型训练数据集；模型灵敏度指标判断模块，该模块将训练结果生成混淆矩阵，根据得到的模型灵敏度值，判断其是否符合预期的高灵敏度需求；复检模块，该模块对数据集进行重新标记并重新训练，直至得到满足需求的高灵敏度缺陷识别系统。本发明能在保证高识别率的前提下，同时使模型具有很高的灵敏度，大幅减少漏检率，提高钢卷成材率。

技术领域

本发明采用深度学习来进行热轧钢卷端面图片识别，具体涉及一种高灵敏度的热轧钢卷端面缺陷识别系统及方法。

背景技术

热轧钢卷在生产过程中由于受原材料，轧制工艺及系统控制等因素的影响，钢卷端面存在花纹边，边损，边裂，折叠，毛刺五种常见缺陷。这些端面缺陷不仅影响钢卷美观性，而且会导致钢卷打磨或重新开卷处理，产品会降级、改判，正品变为次品。现带钢卷取过程中，缺陷检测还是依靠经验丰富的专业人员进行人工检测。由于生产线处于高温辐射环境下，检测人员无法近距离观察，可能会出现误判或漏判。而且长时间的观察容易产生视觉疲劳，检出率会大大降低，很难满足实际生产的检测需要。因此，急需一种能够快速准确的、高灵敏度的钢卷端面检测方法，钢卷端面缺陷检测对于提高钢带生产质量至关重要。

发明内容

本发明要解决的技术问题是：克服现有技术的不足，提供一种高灵敏度神经网络的热轧钢卷端面缺陷识别系统及方法，能准确识别热轧钢卷端面缺陷，同时又能体现高识别率和高灵敏度的特点，能在保证识别率在0.9以上的前提下，同时使模型的灵敏度在0.8以上，漏检率和错检率都控制在了3％以下，大大提高了企业钢卷成材率。

本发明采用技术方案为：一种高灵敏度的热轧钢卷端面缺陷识别系统，包括：数据集处理模块、模型灵敏度指标判断模块和复检模块；

数据集处理模块，采集热轧钢卷端面图像，制作热轧钢卷端面缺陷数据集，对能够体现热轧钢卷端面缺陷识别的数据集处理，通过端面图像识别模型训练数据集，得到训练结果；

模型灵敏度指标判断模块，根据数据集处理模块得到的训练结果生成混淆矩阵的形式，根据得到端面缺陷识别模型的灵敏度值，判断其是否符合预期的缺陷识别模型灵敏度值大于0.8的高灵敏度需求；若缺陷识别模型灵敏度值没有达到需求，则该模块为前期的工作不合格，需要对数据集或识别模型进行改进，若灵敏度值达到需求，则判断缺陷识别模型的F1值是否符合预期大于0.85的要求，若F1值没有达到0.85，则对缺陷识别模型进行复检；若F1值大于0.85，则可认为该缺陷识别模型符合产品需求；

复检模块，缺陷识别模型的综合指标F1值未达标或者某个缺陷类别的F1值和识别灵敏度未达标，则认为是数据集出现问题，将对数据集进行重新标记并重新训练，直至得到满足需求的高灵敏度缺陷识别系统。

所述数据集处理模块具体实现以下：

步骤(1)热轧钢卷端面图像的采集以及制作数据集，通过工业相机现场采集热轧钢卷端面图像，将采集的图像分为正常、花纹边、边损、边裂、折叠和毛刺共6种类别，对采集的图像进行特征标定，将图像划分到6种类别中各自的类别中；

步骤(2)构建端面图像识别模型Faster R CNN，对该识别模型进行改进，将准备的数据集导入该缺陷识别模型进行训练，当该缺陷识别模型的准确率稳定时停止训练，训练完成后对一组端面图像进行识别测试，得出该缺陷识别模型的训练结果。

所述改进的高识别率神经网络模型的包括：