[发明专利]基于SSD算法的表面缺陷识别方法

说明书

本发明提供一种基于SSD算法的表面缺陷识别方法，包括以下步骤：采集五金件缺陷图像，得到缺陷图像库；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；对图像特征图进行缺陷检测，进行误差计算；根据误差更新参数，当误差小于设定误差阈值时停止训练，得到训练完的深度卷积网络；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，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。本发明提供的一种基于SSD算法的表面缺陷识别方法，通过训练深度卷积网络对五金件表面缺陷进行智能化的识别，自动化程度高，有效地提高了对五金件表面缺陷检测的效率。

技术领域

本发明涉及机器视觉检测领域，更具体的，涉及一种基于SSD算法的表面缺陷识别方法。

背景技术

机器视觉又称计算机视觉，是研究使用相机以及计算机分别模仿人眼和大脑，以便用机器代替人做检测和判断，完成目标识别及工业检测等任务的科学。机器视觉技术集合了数字图像处理、人工智能、计算机图形学等多学科的一门应用型技术学科，在自动化生产中应用广泛。近年来，随着计算机技术的进步和神经网络理论的不断完善，推动了计算机视觉的快速发展。我国机器视觉行业迅速发展，在自动化生产检测领域中占据十分重要的地位。

由于五金件具有易于成型、质量轻、材料易于获得、适合大批量生产等优点，在家电、机械、化工、航空等领域运用十分广泛。随着五金件的应用越来越广，快速成型加工技术的发展越来越快，人们对五金件的质量的要求也越来越高。五金件的质量主要有尺寸、外观等方面的要求。外观是保证五金件质量的一个重要环节，而实际生产中通常采用人工检测的方式进行。人工检测方式效率低下、自动化程度不高，其准确率往往与检测人员的工作经验和态度有关。目前，五金件产品生产企业越来越注重提高生产自动化水平，对生产效率的要求越来越高，人工检测方式越来越不能满足需求。此外，在生产加工过程中，由于原料物性参数变化、工艺参数不合理及加工机械性能不良等因素，五金制品会出现碰伤、砂眼、刮伤、缺料、变形、麻点、油污等等表面缺陷。这些表面缺陷不仅会破坏五金制品的外观，而且会影响其性能导致无法使用。当前五金制品的表面缺陷检测与识别主要以人工方式为主，效率不高、自动化程度低。

发明内容

本发明为克服现有的五金件采用人工检测的方式，存在效率低下、自动化程度低和准确度不高的技术缺陷，提供一种基于SSD算法的表面缺陷识别方法。

为解决上述技术问题，本发明的技术方案如下：

一种基于SSD算法的表面缺陷识别方法，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。

其中，所述步骤S1中通过相机采集五金件的缺陷图像。

其中，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。