[发明专利]基于SSD算法的表面缺陷识别方法

权利要求书

1.一种基于SSD算法的表面缺陷识别方法，其特征在于，包括以下步骤：

S1：采集五金件缺陷图像，得到缺陷图像库；

S2：将缺陷图像库分为训练集和测试集，在每张图像上打上缺陷类型标签；

S3：构造深度卷积网络，将训练集中的缺陷图像输入深度卷积网络进行训练，得到图像特征图；

S4：对图像特征图进行缺陷检测，得到检测结果与标签比较并进行误差计算；根据误差更新深度卷积网络参数，当误差小于深度卷积网络设定误差阈值时停止训练，得到训练完的深度卷积网络；

S5：将测试机中的缺陷图像输入训练完的深度卷积网络进行测试，判断图像误差是否符合要求；若是，执行S7；若否，执行S3重新训练深度卷积网络；

S6：选择测试图像输入训练完的深度卷积网络进行测试，得到识别结果。

2.根据权利要求1所述的基于SSD算法的表面缺陷识别方法，其特征在于：所述步骤S1中通过相机采集五金件的缺陷图像。

3.根据权利要求1所述的基于SSD算法的表面缺陷识别方法，其特征在于：所述步骤S2中，缺陷图像库分为训练集和测试集分别占缺陷图像库图像数的80%和20%，每幅图像都对应有缺陷类别的标签。

4.根据权利要求1所述的基于SSD算法的表面缺陷识别方法，其特征在于：在步骤S3中，所述深度卷积网络包括卷积层、激励层、池化层；其中，所述卷积层、激励层有多个，卷积层连接激励层，激励层后接卷积层，卷积层后再接激励层，经过多个连续的连接之后，激励层与池化层连接。

5.根据权利要求1所述的基于SSD算法的表面缺陷识别方法，其特征在于：所述步骤S4具体包括：

S41：利用小的滑窗在低维特征图上搜索，将滑窗内的缺陷特征与预先提取的缺陷特征进行比较，得到相似度，若相似度达到设定的阈值，则说明滑窗内的特征属于某一类别的缺陷特征，该图像包含某一类别的缺陷，从而得到图像缺陷；

S42：将得到的图像缺陷与标签进行比较，使用批量梯度下降法计算输入一个批次样本后得到的误差，根据损失函数对深度卷积网络参数进行权值更新，直至误差小于设定的阈值，输出训练完的深度卷积网络。