[发明专利]一种基于改进的efficientNet-RCNN的带钢表面缺陷检测方法

说明书

本发明涉及一种基于改进的efficientNet‑RCNN的带钢表面缺陷检测方法，先对采集到的热轧带钢表面图片进行预处理后对缺陷位置进行标注，得到缺陷位置的矩形框参数，并设定类别标签，制作标准的带钢表面缺陷数据集，由标准的带钢表面缺陷数据集划分训练集和测试集；首先通过训练集训练efficientNet‑RCNN模型，再将测试集输入到训练好的efficientNet‑RCNN模型中，检测出带钢表面缺陷的类别和位置信息。本发明的一种基于改进的efficientNet‑RCNN的带钢表面缺陷检测方法，通过将训练完成的模型部署到带钢生产线的检测设备中，能够快速提取带钢表面的缺陷特征并实现缺陷检测，能够替代传统的人眼检测，提高检测效率和检测精度，为企业提高收益。

技术领域

本发明属于计算机视觉技术领域，涉及一种基于改进的efficientNet-RCNN的带钢表面缺陷检测方法。

背景技术

目前，热轧带钢在生产过程中由于受到原材料、轧制工艺和系统控制等诸多技术因素的影响，其表面出现擦伤、边部裂纹系翘皮、表面划伤、精轧辊印、轧破、折叠、除鳞系铁皮等缺陷的情况时有发生。这些缺陷不仅会影响钢板表面的外观完整性，还会对带钢的耐磨性、抗腐蚀性、抗疲劳性和电磁特性等主要特性有不同程度的影响。因此及时检测钢板表面缺陷，对于提高带钢表面质量和产品经济效益、确定是否进行产线设备维护和避免事故扩大化具有重要意义。

热轧带钢因其抗压强度高，耐性好，被广泛应用于船舶、汽车、公路桥梁、高压容器等行业中，面对如此多的应用需求，生产厂商必须在加工过程中对瑕疵产品进行严格检测和控制，但是由于带钢生产的工业环境复杂且控制要求高，生产过程中经常会出现各式各样的瑕疵缺陷，严重影响产品质量。

传统的带钢表面缺陷检测方法主要依靠人工方法进行分类，难度大，效率低。如何使人们更方便、快捷、准确的实现对带钢表面的缺陷检测成为一个技术难题。

发明内容

为解决现有技术中存在的问题，本发明提供一种基于改进的efficientNet-RCNN的带钢表面缺陷检测方法。

为达到上述目的，本发明采用的方案如下：

一种基于改进的efficientNet-RCNN的带钢表面缺陷检测方法，先对采集到的热轧带钢表面图片进行预处理后利用labelimg软件对缺陷位置进行标注，得到缺陷位置的矩形框参数，并设定类别标签，制作标准的带钢表面缺陷数据集，由标准的带钢表面缺陷数据集划分训练集和测试集；首先通过训练集训练efficientNet-RCNN模型，再将测试集输入到训练好的efficientNet-RCNN模型(热轧带钢表面缺陷检测模型)中，检测出带钢表面缺陷的类别和位置信息；

所述efficientNet-RCNN模型的构建过程为：先将训练集输入至efficientNet网络中，将获得的P1～P7特征层中P3～P7层的多尺度特征图输入至BiFPN网络中，经BiFPN网络处理后生成带钢表面缺陷的多尺度融合特征图；然后将多尺度融合特征图输入到Faster-RCNN的RPN网络中，生成对应的proposal；最后将proposal以及多尺度融合特征图一起输入至Faster-RCNN的ROI Pooling层中获得尺度统一的特征图，经Faster-RCNN最后的分类和回归操作得到预测出来的矩形框参数和类别标签，采用多任务损失函数计算预测出来的矩形框参数和类别标签以及标注时得到的真实缺陷位置的矩形框参数和类别标签的误差，当经多次迭代以后误差均不再下降时，结束训练，得到efficientNet-RCNN模型。

作为优选的技术方案：

如上所述的基于改进的efficientNet-RCNN的带钢表面缺陷检测方法，具体步骤如下：

S1：通过安装在带钢生产设备上的CCD相机采集热轧带钢图片，对采集到的图片进行预处理后采用矩形框进行缺陷位置标注，并得到矩形框参数，取带钢缺陷类别的最小外接矩形作为缺陷位置标签，并设定类别标签，生成带钢表面缺陷的标准数据集；