[发明专利]金属零件表面缺陷检测与识别方法及装置

权利要求书

1.一种金属零件表面缺陷检测与识别方法，其特征在于，所述方法包括：

基于获取的金属零件表面的原始图像，通过预先构建的表面缺陷检测模型对所述原始图像进行缺陷检测，得到缺陷区域位置；

对所述缺陷区域位置进行轮廓检测，分别得到第一缺陷轮廓和第二缺陷轮廓；

将所述第一缺陷轮廓与所述第二缺陷轮廓输入预先构建的表面缺陷分类模型，识别所述金属零件表面的缺陷类别；

其中，

所述表面缺陷检测模型基于融合卷积网络模型构建，并通过所述原始图像和带有缺陷位置标注信息的金属零件表面图像的训练集进行训练；

所述表面缺陷分类模型基于分类卷积网络模型构建，并对所述分类卷积网络模型的全连接层进行训练；

其中，“识别出所述金属零件表面的缺陷类别”，其方法为：

所述表面缺陷分类模型识别出所述第一缺陷轮廓和所述第二缺陷轮廓的缺陷类别；

判断所述第一缺陷轮廓和所述第二缺陷轮廓的缺陷类别是否相同，若相同，则输出所述第一缺陷轮廓和所述第二缺陷轮廓中任意一个的缺陷类别；

若不同，则计算所述第一缺陷轮廓和所述第二缺陷轮廓的缺陷类别的概率，并按如下公式所述的方法确定输出的缺陷类别：

其中，w表示置信权值，y_i表示所述第一缺陷轮廓的缺陷类别，y_j表示所述第二缺陷轮廓的缺陷类别，p₁(y_i)表示所述第一缺陷轮廓的缺陷类别的概率，p₂(y_j)表示所述第二缺陷轮廓的缺陷类别的概率。

2.根据权利要求1所述的方法，其特征在于，“通过预先构建的表面缺陷检测模型对所述原始图像进行缺陷检测”之前，该方法还包括训练所述表面缺陷检测模型，其步骤包括：

对标准金属零件表面图像的缺陷进行标注，得到标注图像；

将所述原始图像和所述标注图像的像素进行数据扩增，得到数据扩增原始图像和数据扩增标注图像，其中，数据扩增包括对所述原始图像和所述标注图像进行仿射变换、亮度变换以及模糊变换；

将所述数据扩增原始图像和所述数据扩增标注图像输入所述表面缺陷检测模型进行K层降维和K层升维操作，得到所述数据扩增标注图像中缺陷的区域位置，其中，K为正整数。

3.根据权利要求2所述的方法，其特征在于，“对标准金属零件表面图像的缺陷进行标注”，其方法为：

将所述标准金属零件表面图像中缺陷区域的灰度值设定为0，将非缺陷区域的灰度值设定为1。

4.根据权利要求3所述的方法，其特征在于，“将所述数据扩增原始图像和所述数据扩增标注图像输入所述表面缺陷检测模型进行K层降维和K层升维操作”，其方法为：

将所述数据扩增原始图像和所述数据扩增标注图像作为所述表面缺陷检测模型的第一输入图像；

K层降维操作具体包括：对所述第一输入图像进行卷积操作和池化操作，将第M层降维操作后的第一输入图像作为第M+1层降维操作的输入，将第K层降维操作后的第一输入图像作为第一层升维操作的输入；

K层升维操作具体包括：对进行K层降维操作后的第一输入图像进行卷积操作和反卷积操作，得到第二输入图像，将第M层升维操作后的第二输入图像作为第M+1层升维操作的输入，将第N层升维操作的输出与第K-N+1层升维操作的输入进行融合，并将融合结果作为第K-N+1层升维操作的输入，其中，M、N均为正整数，MK，NK。

5.根据权利要求1所述的方法，其特征在于，所述第一缺陷轮廓为所述缺陷区域位置的最小外接矩形，所述第二缺陷轮廓为所述缺陷区域位置的正最小外接矩形，其中所述正最小外接矩形为包含所述缺陷区域位置面积最小的情况下，其中两边平行于图像的水平轴，另外两边平行于图像的垂直轴的矩形。