[发明专利]一种基于深度学习的皮带缺陷检测方法及系统

说明书

本申请提供一种基于深度学习的皮带缺陷检测方法及系统，检测方法包括：构建皮带训练网络模型，构建构建皮带训练网络模型包括随机仿射变换特征提取处理步骤、激励注意力机制处理步骤和小目标检测头处理步骤；训练皮带训练网络模型得到目标权重文件；向皮带底部发射激光；获取皮带待检测图片；对皮带待检测图片进行解析检测处理得到像素块组；比对像素块组与所述目标权重文件，得到比对结果；判断比对结果是否大于比对阈值；若是，则生成用于关闭皮带机的控制指令。本申请通过上述检测方法及系统提高了对皮带缺陷的不同位置的特征提取能力，提高激光线缺陷特征在所有特征中的占比，提高对缺陷的检测精准度，优化了缺陷检测的泛化能力。

技术领域

本发明涉及深度学习技术领域，特别涉及一种基于深度学习的皮带缺陷检测方法及系统。

背景技术

皮带作为运输中不可或缺的一部分，在粮食运输，矿石传送，智慧矿山等领域发挥着重要的作用，是一种简单实用的传送方式。但是随着使用时间的增加，皮带的破损与日俱增，而在皮带的破损中尤其以穿透、撕裂最为严重，发生撕裂后如果没有进行及时的停机操作，会造成长距离、大面积的撕裂，这将会造成巨额的经济损失，甚至会危及操作人员的生命安全。目前对于皮带的缺陷的检测是通过利用机械视觉算法进行的。

在目前的检测算法中，大多采用机器视觉算法对采集到图片的每一点的灰度值整合后在进行判断，增加计算量的同时无疑提高了检测的时间；此外对于目前的皮带检测方法还有设计部分深度学习算法，但是现有的深度学习算法只能针对某一种单一的皮带缺陷问题并提出解决方案，对于复杂的皮带缺陷检测却不能给予很好的检测手段，同时其检测精度低，响应时间长，也不能满足现阶段皮带检测的需求。

发明内容

本申请基于优化现有的皮带缺陷检测的方案，提供了一种基于深度学习皮带缺陷的检测方法及系统。

第一方面，本申请提供一种基于深度学习皮带缺陷的检测方法，所述检测方法包括：

构建皮带训练网络模型，所述构建皮带训练网络模型包括随机仿射变换特征提取处理步骤、激励注意力机制处理步骤和小目标检测头处理步骤；

训练所述皮带训练网络模型得到目标权重文件；

获取向所述皮带底部发射激光时，所述皮带表面的待检测图像；

对所述皮带待检测图片进行解析检测处理得到像素块组；

比对所述像素块组与所述目标权重文件，得到比对结果；

判断所述比对结果是否大于比对阈值；

若是，则生成用于关闭皮带机的控制指令。

优选的，所述随机仿射变换特征提取处理步骤包括：

获取若干张皮带缺陷图片；

对所述皮带缺陷图片进行随机仿射变换处理得到仿射图片；

对所述仿射图片进行拆分处理得到拆分图片；

所述随机仿射变换特征提取处理步骤之后还包括：

利用卷积对所述拆分图片进行通道整合处理得到扩充图片；

对所述扩充图片进行特征提取处理得到第一特征分支，留存所述第一特征分支；

对所述第一特征分支依次进行所述通道整合处理和所述特征提取处理得到第二特征分支，留存所述第二特征分支；

对所述第二特征分支依次进行所述通道整合处理和所述特征提取处理得到第三特征分支，留存所述第三特征分支；

对所述第三特征分支进行特征池化处理得到池化特征；

对所述池化特征进行特征提取处理得到第四特征分支，留存所述第四特征分支。