[发明专利]一种芳纶纸蜂窝涂胶缺陷检测方法

说明书

本发明提供了一种芳纶纸蜂窝涂胶缺陷检测方法，针对芳纶纸蜂窝涂胶生产过程中产生的各种缺陷问题，设计了深度网络，自动提取缺陷特征，实现了像素级的定位；针对样本难以获取的问题，通过图像增强算法，自动生成大量样本，从而减少了机器学习对样本数量的依赖。本发明提出的检测方案解决了不同尺寸大小、不同长宽比缺陷同时检测的问题，定位精准，检测效率高，可满足芳纶纸蜂窝涂胶缺陷自动化检测的要求。

技术领域

本发明属于视觉检测技术领域，特别涉及一种芳纶纸蜂窝涂胶缺陷检测方法。

背景技术

芳纶纸蜂窝涂胶过程中，会产生六种缺陷，包括黑色斑点、胶条缺胶、孔洞、胶条不完整、杂质和拉丝。如果这些缺陷不能及时处理，将会影响后续的蜂窝制造流程，目前该缺陷的检测主要依靠人眼观察进行，这种方式效率低，劳动强度大，可靠性差且容易出错，因此本发明探索一种基于视觉的芳纶纸蜂窝涂胶缺陷自动化检测的方法。传统机器学习方法对图像的检测主要依靠人工进行特征提取，然而，芳纶纸蜂窝缺陷检测具有以下特点，使得基于现有技术的缺陷检测不能够获得满足实际生产的效果，主要表现在如下方面：

1.缺陷样式繁多，缺陷形态复杂多样，无统一模式。因而基于传统人工特征提取的模式识别方法不能有效适应多种多样的缺陷类型。

2.缺陷尺度变化极大、长宽比变化剧烈。例如污点，可能小到只有2-4个像素，也可能大到上百像素的成片污损；再例如折痕，可能是局部有折痕，长宽比在1：5以内，也可能是一条贯穿整张纸的很大的折痕，长宽比可达1：20甚至更大。因而一般检测手段中的图像分析与处理方法不能很好自适应分析区域大小，从而不能有效检测不同尺度和长宽比的缺陷。

3.纸张本身及实际工作环境中，存在较多噪声干扰，且基于视觉方法的检测易受灰尘/光照/成像不良等问题的影响。因而现有基于特征或模板的缺陷检测方法不能有效避免噪声的影响，从而极易造成误识别，进而造成原材料的浪费。

4.实际工业工作环境中，样本的获取并不容易，难以获取大量不同类型、不同形态的缺陷的样本，且样本标记会浪费大量的时间。因而基于样本库、大数据的检测方法也不能很好的在工厂中发挥作用。

发明内容

本发明针对现有技术的不足，提供一种芳纶纸蜂窝涂胶缺陷检测方法。

本发明包括，芳纶纸，所述芳纶纸上存在涂胶过程中产生的缺陷；工业相机，用于取得芳纶纸的缺陷图像信息；深度特征编码器，用于充分对不同种类不同形态的缺陷图像信息进行编码；特征解码器，对已编码的缺陷图像信息进行精确定位；检测步骤如下，

第一步，对工业相机获取的缺陷图像信息进行不同方式的图像增强处理，用于获取不同缺陷图像样本；

第二步，所述深度特征编码器对第一步所述的缺陷图像信息样本进行特征编码，用于检测不同图像缺陷样本中的不同缺陷；

第三步，所述深度特征编码器和特征解码器相连，用于对大量图像缺陷样本中的不同缺陷进行基于像素的定位，从而完成缺陷检测过程。

首先，本发明通过图像增强算法，自动生成大量样本，从而减少了机器学习对样本数量的依赖，减轻了实际工业生产中前期准备工作的压力；其次，解决了不同尺寸大小、不同长宽比缺陷同时检测的问题，大大提高了检测效率；最后，实现了像素级的定位，缺陷检测定位精准，实时性高，快于现在工厂主流的人工检测。

本发明的有益效果为：

1.针对视觉缺陷检测中缺陷特征难以描述的问题，设计了深度网络(包括编码器和解码器)，自动提取缺陷特征，并具有较强的泛化能力；

2.针对长宽比变化剧烈，尺寸大小不一的问题，设计了不同感受野融合，不同长宽比模板融合的方案，成功解决了同时检测多种尺度多种形状缺陷的问题；