[发明专利]一种基于卷积神经网络的磁片表面缺陷检测方法

说明书

本发明公开了一种基于卷积神经网络的磁片表面缺陷检测方法，包含如下步骤：第一步，获取待检测磁片的俯视图像并对图像进行预处理，包括灰度化，霍夫圆变换，尺寸变换，旋转切割等步骤；第二步，将预处理后的图像输入至预先训练好的卷积神经网络进行缺陷检测，检测磁片表面是否有缺陷，并对缺陷进行分类；卷积神经网络，其中输入层，卷积层，采样层，全连接层对图像进行特征提取，提取的特征由Softmax分类器进行缺陷分类。与现有技术相比本发明检测精度高，鲁棒性更好。

技术领域

本发明属于表面缺陷检测技术，尤其涉及一种基于卷积神经网络的磁片表面缺陷检测方法。

背景技术

随着电子技术、计算机技术的迅速发展，数字图像处理技术以其信息含量大、表现形式直观、传输存储方便等优点在许多行业和领域得到了广泛应用，如医学图像处理分析，工业控制以及检测自动化，航空航天遥感测绘等。随着我国国民经济水平的提升，人们对高品质、高精度、高可靠性的产品需求也日益增加，随之而来的问题是大量制造出来的产品如何检测、判断其是否达到性能指标。

传统的检测方法是通过人工来检测，人工检测中工人劳动强度大，受限于工人的精神状态、检测熟练水平、经验积累水平以及工作环境等多方面因素，检测的效率低、速度慢、器件的一致性标难以得到保证。检测过程中由于工人疲劳，不可避免的产生错捡、漏检，不合格产品的流出不仅会给工厂带来经济损失，更严重的是会给用户带来安全隐患。因此，如何快速高效并准确检测零件表面缺陷成为制造业急需解决的问题。计算机技术的提升，使得数字图像处理技术得到广泛应用，基于机器视觉的表面缺陷检测系统有着很高的应用价值。

目前基于机器视觉的表面缺陷检测的方法主要有两种：一种为基于图像处理算法的特征处理方法，另一种为使用卷积神经网络与图像处理算法相结合的方法。基于图像处理算法的特征处理方法，是通过对图像的灰度化处理，分别计算图像的平均灰度化数值和灰度化数值的方差，通过与预先设定好的标准值进行比较，判断与标准值得差值大小是否超过阈值来判断是否有表面缺陷。该方法通常需要预先设定好相机曝光时间、环境光线的亮暗、磁片采集的位置等信息，受外界条件影响较大，系统的鲁棒性较差，且解决的缺陷问题单一。而使用卷积神经网络与图像处理算法相结合的方法，卷积网络是为识别二维形状而特殊设计的一个多层感知器，这种网络结构对平移、比例缩放、倾斜或者共他形式的变形具有高度不变性。而且避免传统识别算法中复杂的特征提取和数据重建过程。缺陷特征的识别速度也会有很大的提高，但是该类方法需要大量的样本来训练已达到较高的识别率，训练样本过少可能导致识别率下降。

本发明表面检测技术主要涉及图像采集、图像数字处理、卷积神经网络的构建和训练、图像缺陷的分类等步骤。其中图像的数字处理和卷积神经网络的构建是表面检测领域的两个关键问题。

发明内容

本发明要克服现有技术的上述缺点，提供一种基于卷积神经网络的磁片表面缺陷检测方法，从而能快速准确的实现磁片表面多种缺陷的检测。

为达到上述目的，本发明的技术方案具体是这样实现的：

一种基于卷积神经网络的磁片表面缺陷检测方法，该方法包括如下步骤：

(1)获取待检测磁片的俯视图像并对图像进行预处理；

(2)将预处理后的图像输入至预先训练好的卷积神经网络进行缺陷检测，检测磁片表面是否有缺陷，并对缺陷进行分类；卷积神经网络，其中输入层，卷积层，采样层，全连接层对图像进行特征提取，提取的特征由Softmax分类器进行缺陷分类。

磁片图像的预处理具体包括如下步骤：

第一步对磁片图像进行灰度化处理，对灰度图像进行霍夫圆变换，检测出磁片外轮廓，根据圆心，圆半径切割该圆的最小外接正方形；

第二步为以切割出来的正方形图像为模板，批量模板匹配处理剩余图像，使得所有图像均为磁片的外轮廓最小外接圆大小；