[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

说明书

本发明涉及小五金缺陷检测技术领域，具体涉及一种小五金的缺陷识别检测方法、装置及计算机可读存储介质，所述方法包括：对包含缺陷的小五金进行图像采集，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和图像扩充，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，将产品图像输入训练好的语义分割模型得到预测结果，本发明适用于大多数小五金产品的检测，具有通用性高、操作简单的优点。

技术领域

本发明涉及小五金缺陷检测技术领域，具体涉及一种小五金的缺陷识别检测方法、装置及计算机可读存储介质。

背景技术

区别于以金属为原料传统的建筑小五金，近年来发展了用各种非金属材料制作的、可运用到工业及各领域的小五金，如陶瓷、玻璃、橡胶、塑料等。此类非金属制品有着质量高、外形美观、和成本低的优点，可大大减少有色金属的使用，其应用已日趋广泛。小五金陶瓷件的生产工序复杂，每一个生产环节都有可能产生影响陶瓷性能的缺陷，这些缺陷主要有斑点、流胶和气泡等。

目前小五金部件的检测大多靠人工检查，或使用基于传统图像处理方法的机器视觉表面缺陷检测方法。人工检查的方法存在下列缺点：速度慢且容易出现漏检的情况；无法保证标准的统一，产品合格与否是检查者根据主观感觉来进行判断。基于传统方法的机器视觉表面缺陷检测方法虽然改善人工检查方法的缺点，但是在近年的生产实践应用中，也显露出其局限性：算法复杂且缺陷特征提取的人工干涉量大，这要求开发者必须拥有足够的图像处理知识和从业经验；其通用性差，针对不同的产品往往需要设计新的检测算法；当面对复杂缺陷时误检率高。

发明内容

本发明目的在于提供一种小五金的缺陷识别检测方法、装置及计算机可读存储介质，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。

为了实现上述目的，本发明提供以下技术方案：

一种小五金的缺陷识别检测方法，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。

进一步，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。

进一步，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。

进一步，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：