[发明专利]USB表面缺陷检测的神经网络检测方法

权利要求书

1.USB表面缺陷检测的神经网络检测方法，包括SqueezeNet神经网络，其特征在于：根据拍摄的USB图片制作数据集，使用数据集对SqueezeNet网络进行训练；

根据拍摄的USB图片制作数据集的方法为：

1)拍摄USB原始图片；

2)执行软件程序对图片裁剪出ROI区域，按照7：3的比例将裁剪后的图片分为训练集和测试集，并对训练集和测试集按照斑点、变形、划伤、亮线、压印、脏污、正常标签进行分类；

3)执行软件程序对训练集和测试集按照一定的步长进行滑窗裁剪，对训练集和测试集中裁剪出的切片按照斑点、变形、划伤、亮线、压印、脏污、正常标签进行分类；

所述ROI区域的方法包括以下步骤：

对图片进行阈值化处理；

对图片进行形态学处理，该形态学处理包括膨胀和腐蚀操作；

对图片进行像素值反转处理；

基于USB表面特性对图片进行ROI区域提取；

所述基于USB表面特性对图片进行ROI区域提取的方法，包括以下步骤：

检测出两个窗口区域，该窗口区域的轮廓面积满足下式：

35000area45000；

其中，area为检测得到的轮廓面积；

计算所述窗口区域的矩形率，公式如下：

且0.8rect_area；

其中rect_area为矩形率，area为检测得到的轮廓面积，s为轮廓的最小外界矩形面积；

且满足下式：

其中，5800G8500，area₁为检测得到的第一个轮廓面积，area₂为检测得到的第二个轮廓面积，x₁、y₁为找到的第一个窗口的中心点坐标，x₂、y₂为找到的第二个窗口的中心点坐标；

对图像角度进行校正，旋转角度为：

其中，x₀、y₀为两个窗口的中心点连线的中点坐标；

定位ROI区域的具体位置。

2.如权利要求1所述的USB表面缺陷检测的神经网络检测方法，使用数据集对SqueezeNet网络进行训练方法为：

1)将训练集切片和对应的标签输入SqueezeNet网络进行训练，该网络输出softmaxwithloss损失函数值，迭代10000次；

2)在迭代过程中使用sgd方法更新SqueezeNet网络的权重和偏置参数；

3)在迭代后输出的softmaxwithloss损失函数loss值中选择损失函数loss值最小的SqueezeNet网络作为训练后的网络。