[发明专利]一种基于深度学习的工件缺陷检测方法

权利要求书

1.一种基于深度学习的工件缺陷检测方法，其特征在于，包括以下步骤：

1)图像采集：在流水线上设置工件自动检测装置，采集待检测工件图像；

2)图像预处理：将采集到的图像依次通过图像增强、暗通道去雾算法进行图片预处理，得到预处理后的图像；

3)采用缺陷检测模型检测：将预处理后的图像输入至缺陷检测模型，得到缺陷类别和面积大小以判断工件是否存在缺陷；

4)手柄分类：通过机械手柄将有缺陷和无缺陷的工件进行分类放置。

2.根据权利要求1所述的一种基于深度学习的工件缺陷检测方法，其特征在于，所述的工件自动检测装置包括玻璃板和摄像机；工件通过漏斗，均匀平铺于传输带上，随着传输带运输至玻璃板；玻璃板上、下方装有摄像机，用于获取工件照片并发送给处理器，经处理器判断后将信号发送给机械手柄进行分类。

3.根据权利要求1所述的一种基于深度学习的工件缺陷检测方法，其特征在于：所述图像增强具体为图像灰度变换增强、直方图均衡增强、细节增强滤波方法中的任意一种。

4.根据权利要求1所述的一种基于深度学习的工件缺陷检测方法，其特征在于，所述缺陷检测模型采用Faster R-CNN模型，其中作为主干网络的Resnet 50中，最后一层采用可变形卷积。

5.根据权利要求1或4所述的一种基于深度学习的工件缺陷检测方法，其特征在于，所述缺陷检测模型采用Faster R-CNN模型，其中，在Resnet 50与RPN之间设有特征金字塔。

6.根据权利要求1所述的一种基于深度学习的工件缺陷检测方法，其特征在于，所述缺陷检测模型的训练具体如下：

将历史工件缺陷图像作为缺陷检测模型的输入，缺陷位置和分类作为输出，对缺陷检测模型进行训练。

7.根据权利要求1所述的一种基于深度学习的工件缺陷检测方法，其特征在于，所述得到缺陷类别和面积大小以判断工件是否存在缺陷，具体为：

类别为残缺时，则认为该工件存在缺陷；

类别为划痕且缺陷面积大于表面积的五分之一，则认为该工件存在缺陷。