[发明专利]小五金的缺陷识别检测方法、装置及计算机可读存储介质

权利要求书

1.一种小五金的缺陷识别检测方法，其特征在于，所述方法包括以下步骤：

对包含缺陷的小五金进行图像采集，从采集的图像中提取出小五金的目标检测区域，将多张目标检测区域的图像形成小五金的初始图像集，对所述初始图像集中的缺陷区域进行人工标注；

对标注好的初始图像集中的初始图像进行图像扩充，对扩充后的初始图像进行预处理，得到样本图像集；

将样本图像集划分为训练集和验证集，将所述训练集输入搭建好的语义分割模型进行训练，通过验证集对所述语义分割模型进行验证，当语义分割模型的损失函数值收敛时，得到训练好的语义分割模型；

在线采集待检小五金的产品图像，将所述待检小五金的产品图像输入训练好的语义分割模型，得到预测结果，所述预测结果包括确定所述待检小五金为合格品还是不良品。

2.根据权利要求1所述的一种小五金的缺陷识别检测方法，其特征在于，所述语义分割模型采用编码器-解码器网络模型，所述编码器-解码器网络模型包含改进编码器和解码器，其中，所述改进编码器包括编码器和残差连接模块，所述残差连接模块包括第一残差卷积层、第一残差批标准化层、第一残差激活函数、第二残差卷积层、第二残差批标准化层和第二残差激活函数，所述编码器包括第一编码卷积层、编码批标准化层、编码激活函数、第二编码卷积层和随机失活层。

3.根据权利要求2所述的一种小五金的缺陷识别检测方法，其特征在于，所述第一编码卷积层的步长为1，所述第二编码卷积层的步长为2，所述第一编码卷积层的卷积核大小为3*3，所述第二编码卷积层的卷积核大小为2*2，所述第一残差卷积层和第二残差卷积层的卷积核大小为3*3。

4.根据权利要求1所述的一种小五金的缺陷识别检测方法，其特征在于，所述将所述训练集输入搭建好的语义分割模型进行训练，还包括：

对所述样本图像集中的样本图像进行一次卷积操作，得到特征图，所述卷积操作的卷积核数目为64、卷积核大小为3*3、并采用填充策略，使特征图的数目为64、且所述特征图与样本图像的尺寸大小保持一致。

5.根据权利要求2所述的一种小五金的缺陷识别检测方法，其特征在于，所述解码器包括上采样层、解码卷积层、解码激活函数和输出层，所述解码器与所述改进编码器通过跳跃连接结构进行连接。

6.根据权利要求5所述的一种小五金的缺陷识别检测方法，其特征在于，所述上采样层为2*2转置卷积，其卷积核大小为2；所述解码卷积层的卷积核大小为3*3，所述输出层的卷积核大小为1*1。

7.根据权利要求2所述的一种小五金的缺陷识别检测方法，其特征在于，所述将所述待检小五金的产品图像输入训练好的语义分割模型，得到预测结果，包括：

将所述产品图像输入训练好的语义分割模型，得到预测图像，所述预测图像分割定位有缺陷区域，所述预测图像与所述待检小五金的产品图像的尺寸大小一致；

分别计算每个缺陷区域的像素面积占所述预测图像的像素面积的比例，当所述比例低于设定的比例阈值时，确定该待检小五金为合格品；当所述比例达到设定的比例阈值时，确定该待检小五金为不良品。

8.根据权利要求7所述的一种小五金的缺陷识别检测方法，其特征在于，所述方法还包括：

分别对各个种类的缺陷使用对应的颜色进行标记，当确定该待检小五金为不良品时，输出该待检小五金中每一类缺陷的缺陷类型和像素面积。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至8任一项所述的小五金的缺陷识别检测方法的步骤。

10.一种小五金的缺陷识别检测装置，其特征在于，所述装置包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至8中任一项所述的小五金的缺陷识别检测方法。