[发明专利]一种钢表面裂缝的检测方法及系统

说明书

本发明公开一种钢表面裂缝的检测方法及系统，属于工业中钢表面的检测领域。本发明首先基于训练好的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；然后基于多尺度LBP算子对待测图像块进行特征提取与融合，获得待测图像块的多尺度LBP特征；然后将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。本发明基于YOLOV7进行钢表面裂缝目标检测，并使用LBP和SVM对检测到的结果进行进一步的分类，实现了钢表面裂缝的检测。

技术领域

本发明涉及工业中钢表面的检测领域，特别是涉及一种钢表面裂缝的检测方法及系统。

背景技术

钢体广泛应用于各种行业，特别是在土木结构和基础设施中，其为社会提供了基本福利。因此，它们是需要保存和妥善维护的资产。其质量状态严重影响设备生产和人的生命安全，为了实现这一目标，有必要科学地评估他们的健康状况。一个特别的挑战是早期裂缝的检测和表征（定位和量化），因为在该阶段裂缝的尺寸很小，钢表面存在裂缝连续性较差、对比度较低等问题，现有的检测方法在检测裂缝时面临巨大挑战。

发明内容

本发明的目的是提供一种钢表面裂缝的检测方法及系统，以实现钢表面裂缝的检测。

为实现上述目的，本发明提供了如下方案：

本发明提供一种钢表面裂缝的检测方法，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（Local Binary Pattern，局部二值模式）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（Support VectorMachines，支持向量机）分类器，对钢材表面的裂缝进行分类。

可选的，YOLOV7目标检测模型包括依次连接的Input模块、Backbone模块和Head模块。

可选的，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。

可选的，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。

可选的，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；