[发明专利]一种钢板表面缺陷检测系统

权利要求书

1.一种钢板表面缺陷检测系统，其特征在于，包括：

数据处理模块，用于对钢板表面缺陷图片划分训练集和测试集，并对训练集做数据增强；

特征提取模块，用于提取钢板表面缺陷图片的特征，得到各层特征图C2、C3、C4、C5；

特征金字塔模块，用于融合各层特征图C2、C3、C4、C5，得到增强后的各层特征图P2、P3、P4、P5；

区域建议模块，用于设定不同比例和大小的anchors，对特征图P2、P3、P4、P5进行建议框的提取；

池化检测模块，用于池化建议框对应的特征图，经过全连接层得到检测结果和损失。

2.根据权利要求1所述的一种钢板表面缺陷检测系统，其特征在于：所述数据处理模块，用于对钢板表面缺陷图片划分训练集和测试集，并对训练集做数据增强，包含以下操作：

获取钢板表面缺陷图片，含有开裂、内含物、斑块、点蚀表面、轧制氧化皮或划痕缺陷；

取70％-80％的钢板表面缺陷图片作为训练集，余下的作为测试集，对训练集进行裁剪的数据增强操作。

3.根据权利要求1所述的一种钢板表面缺陷检测系统，其特征在于：所述特征提取模块，用于提取钢板表面缺陷图片的特征，得到各层特征图C2、C3、C4、C5，包含以下操作：

定义一个瓶颈层bottleneck，其中一条支路依次通过卷积核大小为1x1的组卷积层、正则化BN层、卷积核大小为3x3的组卷积层、正则化BN层、卷积核大小为1x1的卷积层、正则化BN层、relu激活函数，另一条支路是恒等映射，两条支路的输出相加得到bottleneck的输出；

把训练集中的钢板表面缺陷图片归一化输入regnet骨干网络，依次经过卷积核大小为3x3、步长为2、填充为1、输出通道为48的卷积层，正则化BN层，激活函数relu，经过2个输出通道为96的bottleneck得到特征图C2，经过6个输出通道为192的bottleneck得到特征图C3，经过15个输出通道为432的bottleneck得到特征图C4，经过2个输出通道为1008的bottleneck得到特征图C5。

4.根据权利要求1所述的一种钢板表面缺陷检测系统，其特征在于：所述特征金字塔模块，用于融合各层特征图C2、C3、C4、C5，得到增强后的各层特征图P2、P3、P4、P5，包含以下操作：

C5经过卷积核大小为1x1、输出通道为256的卷积层得到特征图M5，再经过卷积核大小为3x3的卷积层输出为特征图P5；

C4经过卷积核大小为1x1、输出通道为256的卷积层，与M5经过采样倍率为2的上采样得到的特征图相加得到特征图M4，再经过卷积核大小为3x3的卷积层输出为特征图P4；

C3经过卷积核大小为1x1、输出通道为256的卷积层，与M4经过采样倍率为2的上采样得到的特征图相加得到特征图M3，再经过卷积核大小为3x3的卷积层输出为特征图P3；

C2经过卷积核大小为1x1、输出通道为256的卷积层输出通道为256，与M3经过采样倍率为2的上采样得到的特征图相加得到特征图M2，再经过卷积核大小为3x3的卷积层输出为特征图P2。

5.根据权利要求1所述的一种钢板表面缺陷检测系统，其特征在于：所述区域建议模块，用于设定不同比例和大小的anchors，对特征图P2、P3、P4、P5进行建议框的提取，包含以下操作：

根据钢板表面缺陷图片的尺寸和特征图的大小生成不同尺寸和比例的anchors；

通过卷积网络对特征图进行预测，由预测的偏移量与anchors解码生成缺陷的建议框；

按预测的置信度排序，使用NMS非极大值抑制方法来过滤建议框；

由anchors和钢板表面缺陷图片的标签编码得到真实的缺陷偏移量，与预测的偏移量比较，计算损失，其损失函数定义为：

函数优化目标为：

式中，N是缺陷个数，是第i个真实的缺陷偏移量，i的取值范围是0～N，是需要学习的参数W_*的转置，φ(Aⁱ)是第i个对应的建议框的特征图组成的特征向量，Aⁱ是第i个对应的建议框的特征图，是W_*优化后的参数，μ是正则项系数。

6.根据权利要求1所述的一种钢板表面缺陷检测系统，其特征在于：所述池化检测模块，用于池化建议框对应的特征图，经过全连接层得到检测结果和损失，包含以下操作：

对建议框对应的特征图，进行池化对齐，得到尺寸统一的RoI；

RoI经过全连接层，得到检测结果，即训练集的钢板表面缺陷图片的缺陷位置和类别；

根据训练集的钢板表面缺陷图片的标签，与检测结果比较，计算得到损失，其损失函数定义为：

式中，为分类损失，为回归损失，λ是回归损失项的系数；分类损失中，N_cls为分类样本数量，交叉熵损失其中p_i为预测的第i个缺陷框为目标的概率，为第i个真实标签，为负样本时为0，为正样本时为1；回归损失中，N_neg为回归样本数量，L1正则化损失其中t_i是预测的第i个缺陷框的偏移量，为第i个真实缺陷框的偏移量，R为常数项系数；

用随机梯度下降法SGD对系统的权重参数进行调整，迭代达到设定次数，得到权重文件；

把权重文件加载到系统中，对测试集的钢板表面缺陷图片进行检测，得到测试集的检测结果。