[发明专利]基于多源域深度迁移多光源集成的轴承表面缺陷检测方法

权利要求书

1.一种基于多源域深度迁移多光源集成的轴承表面缺陷检测方法，其特征在于，包括如下步骤：

S1，采集多种光源下的正常轴承图像和缺陷轴承图像，并标记其类型；

S2，对采集的图像进行预处理；

先对不同光源下的轴承图像对应储存，然后对数据进行清洗，剔除错误分类的数据，提升数据集的质量；对数据采用一系列适用于轴承侧面的图像预处理方法扩充数据集大小；

S3，基于MobileNet网络构造轴承缺陷检测模型；

S4，使用多种光源下轴承图像构成的多源域训练数据集，对轴承缺陷检测模型进行深度迁移；

即：基于领域适应的集成迁移方法训练模型；

S5，将模型对多源域待测图像预测的结果集成，确定其缺陷类型，获得最终检测结果。

2.根据权利要求1所述的基于多源域深度迁移多光源集成的轴承表面缺陷检测方法，其特征在于，在所述步骤S1中，所述轴承图像包括单光源光照下的轴承图像和多种光源组合光照条件下的轴承图像。

3.根据权利要求2所述的基于多源域深度迁移多光源集成的轴承表面缺陷检测方法，其特征在于，在所述步骤S1中，所述轴承图像包括外圈外倒角缺陷、外圈黑斑缺陷、轴承盖黑斑缺陷、内圈黑斑缺陷、内圈内倒角缺陷及合格产品的图像。

4.根据权利要求3所述的基于多源域深度迁移多光源集成的轴承表面缺陷检测方法，其特征在于，在所述步骤S2中，所述清洗包括如下步骤：

①工作人员依据生产现场的评判标准，对轴承表面图像进行分类；

②对于缺陷样本，工作人员细分缺陷的种类。

5.根据权利要求4所述的基于多源域深度迁移多光源集成的轴承表面缺陷检测方法，其特征在于，在所述步骤S2中，所述图像预处理包括如下方法：随机水平翻转、随机仿射变换、随机色彩抖动、随机剪裁为不同大小和宽高比，上述随机概率为0.5～0.8。

6.根据权利要求5所述的基于多源域深度迁移多光源集成的轴承表面缺陷检测方法，其特征在于，在所述步骤S3中，所述轴承缺陷检测模型对MobileNet模型进行如下改造：

①将其最后一层卷积层替换为两层全连接层；

②两层全连接层之间添加BatchNorm、ReLu、DropOut环节，作为分类器层。

7.根据权利要求6所述的基于多源域深度迁移多光源集成的轴承表面缺陷检测方法，其特征在于，在所述步骤S4中，所述迁移的目标域数据集的选择方式，具体为通过比较待选目标域数据集与其他数据集的差异和，取差异和最小的为最终目标域。

8.根据权利要求7所述的基于多源域深度迁移多光源集成的轴承表面缺陷检测方法，其特征在于，所述域差异方法包括：基于最大平均差异(MMD,Maximum Mean Discrepancy)度量域差异方法、基于多核最大平均差异(MK-MMD，Multi-kernel MMD)度量域差异方法和基于生成对抗度量域差异方法。

9.根据权利要求8所述的基于多源域深度迁移多光源集成的轴承表面缺陷检测方法，其特征在于，所述集成迁移方法训练模型的损失函数计算公式为：

其中，L_y为目标域的分类损失函数，其计算公式为：

其中，λ为折衷值，其计算公式为：

i为迭代次数，n为总迭代次数；

其中，L_DA为域差异方法计算的域损失。

10.根据权利要求9所述的基于多源域深度迁移多光源集成的轴承表面缺陷检测方法，其特征在于，将模型对多源域待测图像预测的结果集成的计算公式为；

class＝max(∑pred_i(x))；

其中，pred_i为第i个域的预测结果，class为最终的预测类。