[发明专利]一种基于神经网络融合策略的轴承缺陷检测方法

权利要求书

1.一种基于神经网络融合策略的轴承缺陷检测方法，其特征在于：包括如下步骤：

S1、采集带有缺陷的不同类型的轴承图像，对采集的图像进行标注分类，并对标注后的图像进行预处理；

S2、用标注文件和经过预处理的图像训练轴承缺陷检测器，定位缺陷位置和类别；其中轴承缺陷检测器采用两个不同类型的目标检测网络模型A和目标检测网络模型B的融合；设计两个网络并联结构，共同决策缺陷的位置和类别，把缺陷分成确定缺陷1和疑似缺陷；

S3、训练局部缺陷分类模型C，对疑似缺陷进行复判，训练得到的局部缺陷分类模型C对疑似缺陷进行分类，然后综合三个模型进行疑似缺陷的决策，得到确认缺陷2；

S4、最后输出确认缺陷1和确认缺陷2。

2.根据权利要求1所述的一种基于神经网络融合策略的轴承缺陷检测方法，其特征在于：所述步骤S1中预处理包括：对轴承图像进行一个极坐标变换，进行极坐标变换后把轴承变换成矩形。

3.根据权利要求1或2所述的一种基于神经网络融合策略的轴承缺陷检测方法，其特征在于：所述步骤S1中的预处理还包括：随机截取不同轴承上的缺陷区域图片，贴附在不同轴承的非缺陷背景上。

4.根据权利要求1或2所述的一种基于神经网络融合策略的轴承缺陷检测方法，其特征在于：所述步骤S1中的预处理还包括：利用傅里叶变换把图像转换到频域上，利用滤波器对图像进行滤波来消除轴承图像上的纹理信息，之后用傅里叶变换把图像转回空间域，去除轴承的纹理，留下了表面缺陷和结构信息，最后做一个对比度拉伸再次突出缺陷的特征。

5.根据权利要求4所述的一种基于神经网络融合策略的轴承缺陷检测方法，其特征在于：所述滤波器差分滤波器，用于滤除轴承的重复纹理对应的频率部分，只留下缺陷部分。

6.根据权利要求1所述的一种基于神经网络融合策略的轴承缺陷检测方法，其特征在于：所述步骤S2中最终输出的是确定缺陷1和疑似缺陷的位置和类别的置信度。