[发明专利]基于深度神经网络的焊缝X射线图像缺陷检测与识别方法

权利要求书

1.一种基于深度神经网络的焊缝X射线图像缺陷检测与识别方法，其特征在于，包括以下步骤：

步骤1、获取焊缝X射线图像的开源数据集GD-xray，从所述开源数据集GD-xray中选取部分图片作为基础数据集，对所述基础数据集进行标注得到YOLO格式的标签文件，将所述标签文件中目标类别划分为“Point_defect”、“Linear_defect”和“Without_defect”；

步骤2、采用中值滤波对所述基础数据集进行图像预处理，消除所述焊缝X射线图像中的孤立噪声点，得到多张第一图像；

步骤3、对所述第一图像按照一定比例划分为训练集、验证集以及测试集；

步骤4、将所述训练集的图像输入到深度神经网络YOLOv5s模型中进行训练，在Backbone层进行特征提取，得到不同大小的第一特征图，对所述第一特征图进行Concat操作，得到第二特征图；

步骤5、在所述深度神经网络YOLOv5s模型的Neck层嵌入注意力机制ECA，对所述第二特征图进行Detect，得到三个尺寸大小不同的第三特征图；

步骤6、将所述深度神经网络YOLOv5s模型中的CIOU损失函数替换为EIOU损失函数，得到改进深度神经网络YOLOv5s模型；

步骤7、将所述测试集的图像输入所述改进深度神经网络YOLOv5模型中，得到检测效果，所述检测结果中包含三类目标，分别为所述焊缝X射线图像中的点状缺陷、线状缺陷和无缺陷的图像。

2.根据权利要求1所述的基于深度神经网络的焊缝X射线图像缺陷检测与识别方法，其特征在于：

步骤1中，所述标签文件中包含目标类别、目标位置(x，y)和目标大小(w，h)，所述目标类别名称分别为“Point_defect”、“Linear_defect”和“Without_defect”，所述标签文件与所述基础数据集中的图像一一对应。

3.根据权利要求1所述的基于深度神经网络的焊缝X射线图像缺陷检测与识别方法，所述采用中值滤波对所述开源数据集GD-xray进行图像预处理，其特征在于，具体为：

将所述焊缝X射线图像中的任一像素点的值定义为A，采用第一函数进行中值滤波处理，将所述像素点进行中值滤波处理后得到的值定义为A₁，第一函数表达式如下：

其中，x_m表示A的邻域内所有像素点的值，A的邻域包含m个像素点。

4.根据权利要求1所述的基于深度神经网络的焊缝X射线图像缺陷检测与识别方法，其特征在于：

步骤3中，所述训练集：所述验证集：所述测试集的比例为7:2:1。

5.根据权利要求1所述的基于深度神经网络的焊缝X射线图像缺陷检测与识别方法，其特征在于：

步骤4中，将所述训练集、验证集中的图像裁剪成大小640×640，然后输入所述深度神经网络YOLOv5s模型中，进行Mixup处理，在Backbone层提取图像特征，得到不同大小的特征图，然后将所述特征图输入到采用FPN+PAN结构的Neck层，对所述特征图进行Concat操作，充分融合图像的底层特征和高层特征。