[发明专利]一种机械零件缺陷检测方法及系统

说明书

本发明公开了一种机械零件缺陷检测方法及系统，所述检测方法包括：首先，建立机械零件的图像样本库，并对所述图像样本库中的图像样本进行预处理；然后，建立稠密网络模型，并利用预处理后的图像样本对所述稠密网络模型进行训练，得到训练后的稠密网络模型；最后，利用所述训练后的稠密网络模型检测机械零件的缺陷。本发明基于稠密网络实现了机械零件的自动检测，使用基于稠密网络的机器学习的计算，减少了外围设备的设计与使用，去除了前期研发提取图像特征算法的过程，增加网络模型的通用性。

技术领域

本发明涉及零件检测领域，特别涉及一种机械零件缺陷检测方法及系统。

背景技术

随着生产技术的进步，机械零件的产量不断升高，大多制造商仍使用人工进行机械零件质量的检测。人工检测易受检测员身体状况影响，所以长时间目视检测容易出现漏检率、误检率上升等问题。如何实现机械零件的自动检测成为一个亟待解决的技术问题。

发明内容

本发明的目的是提供一种机械零件缺陷检测方法，以实现机械零件的自动检测。

为实现上述目的，本发明提供了如下方案：

一种机械零件缺陷检测方法，所述检测方法包括如下步骤：

建立机械零件的图像样本库；

对所述图像样本库中的图像样本进行预处理；

建立稠密网络模型，并利用预处理后的图像样本对所述稠密网络模型进行训练，得到训练后的稠密网络模型；

利用所述训练后的稠密网络模型检测机械零件的缺陷。

可选的，对所述图像样本库中的图像样本进行预处理，具体包括：

对所述图像样本进行霍夫变换，提取图像样本中的零件区域；

提取零件区域中的非检测区域，对所述零件区域中的非检测区域进行掩膜处理，得到掩膜后的图像样本；

将所述掩膜后的图像样本划分为多个图像块；

对每个所述图像块进行仿射变换处理，得到预处理后的图像样本。

可选的，所述建立稠密网络模型，具体包括：

建立输入层，在输入层使用卷积和池化操作提取输入图像的特征信息；

建立稠密块，基于所述稠密块利用公式x_l＝H_l([x₀,x₁,...,x_l-1])进一步提取输入图像的特征信息；

式中，H₁(·)为多个操作的串联：批规范->激活->卷积核为1×1的->批规范->激活->卷积核为3×3的卷积，x₀、x₁、x_l-1、x_l分别为第0层、第1层，第l-1层和第l层的输出；

建立过渡层，在过渡层引入压缩参数ρ，使用卷积和池化操作，降低卷积核参数θ的数量；

建立分类层，使用分类层，输出检测预测结果y。

可选的，所述利用预处理后的图像样本对所述稠密网络模型进行训练，得到训练后的稠密网络模型，具体包括：

建立交叉熵损失函数模型，如下式所示：

将所述预处理后的图像样本输入所述稠密网络模型，采用动量梯度下降法，求解所述交叉熵损失函数模型的损失函数值最小时，所述稠密网络模型的卷积核参数θ的值，作为所述稠密网络模型的最优卷积核参数；