[发明专利]一种钢表面裂缝的检测方法及系统

权利要求书

1.一种钢表面裂缝的检测方法，其特征在于，所述方法包括如下步骤：

获取钢表面待测图片；

基于训练好的YOLOV7目标检测模型对所述钢表面待测图片进行裂缝检测，并裁剪，获得带有裂缝的待测图像块；

基于多尺度LBP算子对所述待测图像块进行特征提取与融合，获得所述待测图像块的多尺度LBP特征；

将所述待测图像块的多尺度LBP特征输入训练好的SVM分类器，对钢材表面的裂缝进行分类。

2.根据权利要求1所述的钢表面裂缝的检测方法，其特征在于，YOLOV7目标检测模型包括依次连接的Input模块、Backbone模块和Head模块。

3.根据权利要求2所述的钢表面裂缝的检测方法，其特征在于，所述Backbone模块采用高效层聚合网络；

所述高效层聚合网络包括：第一1x1的卷积模块、第二1x1的卷积模块、第一3x3的卷积模块、第二3x3的卷积模块、第三3x3的卷积模块、第四3x3的卷积模块、全连接层和第三1x1的卷积模块；

所述第一1x1的卷积模块的输出端与所述全连接层的输入端连接；

所述第二1x1的卷积模块的输出端分别与所述全连接层的输入端和所述第一3x3的卷积模块的输入端连接；

所述第一3x3的卷积模块的输出端与所述第二3x3的卷积模块的输入端连接；

所述第二3x3的卷积模块的输出端分别与所述全连接层的输入端和所述第三3x3的卷积模块的输入端连接；

所述第三3x3的卷积模块的输出端与所述第四3x3的卷积模块的输入端连接，所述第四3x3的卷积模块的输出端与所述全连接层的输入端连接；

所述全连接层的输出端与所述第三1x1的卷积模块的输入端连接。

4.根据权利要求1所述的钢表面裂缝的检测方法，其特征在于，多尺度LBP算子的邻接点为8，邻域为半径分别为1、5、6、7、8、9、10和11的圆形邻域，模式为uniform。

5.根据权利要求1所述的钢表面裂缝的检测方法，其特征在于，所述基于训练好的YOLOV7目标检测模型对所述钢表面待测图片进行裂缝检测，并裁剪，获得带有裂缝的待测图像块，之前还包括：

获取有裂缝的钢表面样本图片和无裂缝的钢表面样本图片，构建数据集；

对所述数据集中有裂缝的钢表面样本图片进行数据增强，获得扩增后数据集；

将所述扩增后数据集划分为训练集和验证集；

基于所述训练集对YOLOV7目标检测模型进行训练，获得训练后的YOLOV7目标检测模型；

基于训练后的YOLOV7目标检测模型对训练集中的钢表面样本图片进行裂缝检测，并裁剪，获得带有裂缝的样本图像块；

基于多尺度LBP算子对所述样本图像块进行特征提取与融合，获得所述样本图像块的多尺度LBP特征；

基于训练集中各样本图像块的多尺度LBP特征对SVM分类器进行训练，获得训练后的SVM分类器；

基于验证集对训练后的YOLOV7目标检测模型和训练后的SVM分类器进行验证；

当验证通过时，输出训练后的YOLOV7目标检测模型作为训练好的YOLOV7目标检测模型，输出训练后的SVM分类器，作为训练好的SVM分类器；

当验证不通过时，返回步骤“基于所述训练集对YOLOV7目标检测模型进行训练，获得训练后的YOLOV7目标检测模型”，继续训练。

6.一种钢表面裂缝的检测系统，其特征在于，所述系统应用于权利要求1-5任一项所述的方法，所述系统包括：

图片获取模块，用于获取钢表面待测图片；

检测模块，用于基于训练好的YOLOV7目标检测模型对所述钢表面待测图片进行裂缝检测，并裁剪，获得带有裂缝的待测图像块；

特征提取与融合模块，用于基于多尺度LBP算子对所述待测图像块进行特征提取与融合，获得所述待测图像块的多尺度LBP特征；

分类模块，用于将所述待测图像块的多尺度LBP特征输入训练好的SVM分类器，对钢材表面的裂缝进行分类。