[发明专利]基于Fast-RCNN的低压电器移印图案缺陷检测方法

权利要求书

1.一种基于Fast-RCNN的低压电器移印图案缺陷检测方法，其特征在于，包括如下步骤：

S1，采集图像

利用电子设备采集产品信息，并标记其类型；

S2，图像预处理

先对所采集的产品数据信息进行清洗，剔除错误分类的数据，提升数据集的质量；

然后对所有数据采用一系列图像预处理方法进行扩充数据集大小，形成训练集；

S3，输入训练集

将上述训练集依次输入至多任务训练Fast RCNN网络；

S4，输入图像

将训练集的待识别图像输入到网络，经过卷积层和池化层，得到特征图；

采用选择搜索算法提取若干个候选框，根据原图中候选框到特征图映射关系，在特征图中找到每个候选框对应的特征框，并在ROI池化层中将每个特征框池化到固定大小；

将所述特征框经过全连接层得到固定大小的特征向量，所述特征向量经由各自平均池化层，分别得到分类得分、Bbox窗口回归两个输出向量；

S5，输出结果

将所有数据结果进行非极大值抑制处理，产生最终的目标检测和识别结果，最终获得移印缺陷检测结果。

2.根据权利要求1所述的基于Fast-RCNN的低压电器移印图案缺陷检测方法，其特征在于，在所述步骤S1中，所述电子设备为CCD相机。

3.根据权利要求2所述的基于Fast-RCNN的低压电器移印图案缺陷检测方法，其特征在于，在所述步骤S2中，所述图像预处理具体包括：

S201，在选取的图像中，将目标区域取出，并缩放至固定的224×224尺寸；为增强对比度，再将目标区域进行二值化处理，得到原始的训练集，测试集以上述同样的方式处理训练集；

S202，对所选取的图像进行随机水平翻转、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；

最后，将上述测试数据加入训练集中。

4.根据权利要求3所述的基于Fast-RCNN的低压电器移印图案缺陷检测方法，其特征在于，在所述步骤S3中，所述Fast-RCNN网络的结构包括：13个卷积层，4个池化层，1个ROI池化层，2个全连接层和2个平均池化层。

5.根据权利要求4所述的基于Fast-RCNN的低压电器移印图案缺陷检测方法，其特征在于，在所述ROI池化层中，每个特征框池化到5×5的固定大小。

6.根据权利要求5所述的基于Fast-RCNN的低压电器移印图案缺陷检测方法，其特征在于，所述全连接层的输出包含cls_pred层和box_pred层；

所述cls_pred层用于分类；

所述box_pred层用于调整候选框位置。

7.根据权利要求6所述的基于Fast-RCNN的低压电器移印图案缺陷检测方法，其特征在于，对全连接层的两个分支，利用随机梯度下降法训练输出层的分类层和回归层，直到损失函数收敛。

8.根据权利要求7所述的基于Fast-RCNN的低压电器移印图案缺陷检测方法，其特征在于，在所述步骤S5中，将所有结果进行非极大值抑制处理包括：根据输出的两个分支，利用窗口得分对每类缺陷进行非极大值抑制处理剔除重叠候选框，最终得到每类分类得分最高的窗口。

9.根据权利要求8所述的基于Fast-RCNN的低压电器移印图案缺陷检测方法，其特征在于，在所述步骤S5中，所述缺陷包括移印中含有白块或边缘缺失。