[发明专利]一种基于深度学习的金属板材表面缺陷检测方法

说明书

本发明公开了一种基于深度学习的金属板材表面缺陷检测方法，涉及表面缺陷检测技术领域，该方法包括：在多个金属板材经过第一或第二处理工序后的预定时间时，获取每个金属板材的照片并进行板材目标检测，输出去除背景后的原始尺寸的板材区域图合集；对原始尺寸的板材区域图合集进行表面颜色识别，若颜色合格，则对原始尺寸的板材区域图合集进行板材水膜检测；否则重新执行第一或第二处理工序；若检测出板材表面附着的水膜破裂，则说明板材表面的洁净度和平整度不合格，重新执行第一或第二处理工序。该方法实现了板材表面缺陷的自动化检测，确保每个工序下板材表面的颜色、洁净度及平整度符合行业要求。

技术领域

本发明涉及表面缺陷检测技术领域，尤其是一种基于深度学习的金属板材表面缺陷检测方法。

背景技术

在复合金属材料的制造过程中，表面处理工艺起着非常重要的作用，直接影响着零部件的组织结构、表面状态、耐久性、功能可靠性、稳定性。一旦表面处理工艺处理不到位，存在未处理缺陷遗留，将会导致成批产品出现质量问题。

随着国家和环保法规标准要求的逐步提高，表面处理行业面临着外部环保要求和内部工艺要求的巨大挑战，对于表面处理行业中酸洗钝化生产线，现阶段依旧存在以下问题：

作为特种工艺的现有生产方式，酸洗钝化在实际生产过程中主要依靠人工现场操作，同时处理的结果数据也需要人工进行现场记录，工人长期与硝酸、重金属盐等有毒有害化学品的直接接触，会严重影响从业人员的安全健康；

另一方面，碱洗、酸洗表面处理工序进行后，金属材料表面可能存在：颜色处理不到位、材料表面洁净平整度不到位、划伤、磨损、磕伤等缺陷。现有技术中，通过人工观察判定工序处理结果的方式，存在主观随意性，极易产生误判和漏判。

发明内容

本发明人针对上述问题及技术需求，提出了一种基于深度学习的金属板材表面缺陷检测方法，从而实现了板材表面缺陷的自动化检测，确保每个工序下板材表面的颜色、洁净度及表平整度符合要求。

本发明的技术方案如下：

一种基于深度学习的金属板材表面缺陷检测方法，包括如下步骤：

在多个金属板材经过第一或第二处理工序后的预定时间时，获取每个金属板材的照片，并进行板材目标检测，输出去除背景后的原始尺寸的板材区域图合集；其中，第一处理工序依次包括碱洗和水洗工序，第二处理工序依次包括酸洗和水洗工序；

对原始尺寸的板材区域图合集进行表面颜色识别，若颜色合格，则对原始尺寸的板材区域图合集进行板材水膜检测；否则重新执行第一或第二处理工序；

若检测出板材表面附着的水膜破裂，则说明板材表面的洁净度和平整度不合格，重新执行第一或第二处理工序。

其进一步的技术方案为，对原始尺寸的板材区域图合集进行板材水膜检测，包括，对于原始尺寸的板材区域图合集中的每个原始图像：

使用第二卷积核对原始图像进行边界平滑处理；

将平滑后的图像转化为灰度图，并使用第三卷积核进行高斯滤波，其中第三卷积核定义为：

提取滤波后的图像的边缘信息并进行处理，输出板材边缘轮廓线；

利用板材边缘轮廓线在原始图像中对背景区域进行反向清除，输出清除背景及边缘的板材内部区域图；

对板材内部区域图进行缩放切片处理，输出板材切片图集；

将板材切片图集中的每个切片送入板材水膜破裂检测卷积神经网络中，输出板材水膜破裂切片标记合集；

将板材水膜破裂切片标记合集进行合并复原，输出板材检测结果全图。