[发明专利]一种轮毂表面异常检测方法和系统

说明书

本发明提供一种轮毂表面异常图像检测方法和系统，所述方法包括：获取待检测的轮毂表面图像，基于已训练的用于异常检测的深度学习模型对所述轮毂表面图像进行异常检测，标记所述轮毂表面图像中的异常区域和异常区域对应的异常类别。通过采集轮毂表面图像，得到原始数据集，对图像进行切分以及数据增强，得到轮毂表面异常图像，并标记轮毂表面图像中的中异常区域进行标注，得到含有异常区域位置与类别信息的标注文件，将轮毂表面异常图像和标注文件作为训练集进行深度卷积神经网络训练，可以实现对轮毂表面图像的异常区域的定位与检测，解决了现有技术中人工检测工作繁琐、速度慢，同时自动化检测时配置硬件成本高、难以实施的问题。

技术领域

本发明涉及轮毂检测技术领域，更具体地，涉及一种轮毂表面异常图像检测方法和系统。

背景技术

表面质量检测是工业产品生产流程中十分重要的部分。而近年来汽车产业飞速发展，市场对汽车的需求节节攀升，轮毂作为汽车的重要组成部件，其表面质量检测的需求也随之增长。轮毂是最终呈现在消费者面前的汽车部件，因此无论是从安全还是市场要求的角度来说，轮毂表面的异常检测是生产线中必不可少的关键环节。

轮毂是车辆行驶过程中直接承受冲击冲击的重要部分，在行驶过程中同时受到自身重力、热应力、冲击力、压应力的作用，容易产生疲劳裂纹，车辆轮毂裂纹若不及时被发现，则很有可能引发严重的交通事故，特别是出厂时如果轮毂表面就存在裂纹或缺陷，后果更不堪设想。

现有的车辆轮毂检测方法包括两种，一是由工人在生产线上通过肉眼观察，人工将汽车轮毂放置于转盘上，将百分表置于汽车轮毂的表面，检测时，工人边用手转动汽车轮毂，边观察百分表，用来检测汽车轮毂表面的跳动，在检测端面跳动和径向跳动时，工人还要频繁地变换百分表的放置位置，工作较为繁琐，故采用这种方式检测时，工人的劳动强度较大，而且不易检测出汽车轮毂的表面缺陷，另外，由于工人在转动汽车轮毂时，速度不易控制，这些因素都将影响检测精度，此种检测方式越来越难以满足轮毂生产过程越来越高的快速、准确、稳定的要求；二是通过图像自动化检测工业产品表面异常区域的问题，但是对于轮毂这种尺寸很大，结构复杂，特别是同一条生产线上会生产许多种类的工业产品，只能通过限制硬件配置方案的方式来尽量保证采集到的图像具备较为统一的背景。这种方式存在很大的缺陷，首先是对于轮毂这类复杂的工业产品，配置硬件方案来满足需求是一件成本很高的事情，并且生产线上的实际现场也很难允许复杂的检测装置，除此之外，因为轮毂的结构太过复杂，很难得到符合应用场景的图像。

发明内容

本发明提供一种克服上述问题或者至少部分地解决上述问题的一种轮毂表面异常图像检测方法和系统，解决了现有技术中人工检测工作繁琐、速度慢，同时自动化检测时配置硬件成本高、难以实施的问题。

根据本发明的一个方面，提供一种轮毂表面异常检测方法，包括：

获取待检测的轮毂表面图像，基于已训练的异常检测模型对所述轮毂表面图像进行异常检测，标记所述轮毂表面图像中的异常区域和异常区域对应的异常类别。

作为优选的，对所述轮毂表面图像进行异常检测前还包括：

采集表面存在异常区域的轮毂表面图像，对轮毂表面图像中的异常区域进行标注，得到含有异常区域位置与异常类别的标注文件；

提取异常区域中的轮毂异常图像，将所述轮毂异常图像和标注文件作为训练集，进行深度学习训练，得到异常检测模型。

作为优选的，提取异常区域中的轮毂异常图像具体包括：

对所述轮毂表面图像进行划分，得到异常区域所在的局部图片，并对局部图片进行归一化处理，得到轮毂异常图像；

通过数据增强算法对所述轮毂异常图像进行处理，得到训练用的轮毂异常图像。