[发明专利]基于Fast-RCNN的低压电器移印图案缺陷检测方法

说明书

本发明提供一种基于Fast‑RCNN的低压电器移印图案缺陷检测方法，涉及零件缺陷检测与机器视觉的技术领域。基于Fast‑RCNN的低压电器移印图案缺陷检测方法包括采集图像、图像预处理、输入训练集、输入图像、输出结果。解决了现有技术中，采用电子设备采集说明书面图像的过程中，机器的震动、光线的变化、缺陷位置的千变万化，导致传统的图像处理算法，难以取得良好的检测效果，经常出现漏检、错检现象的技术问题。本发明的深度学习算法，能够对原始图像直接处理，提取用于缺陷检测的特征，高效的网络模块的应用，使得检测速度提升，提高了移印缺陷检测性能。

技术领域

本发明涉及零件缺陷检测与机器视觉的技术领域，尤其是涉及一种基于Fast-RCNN的低压电器移印图案缺陷检测方法。

背景技术

随着科技的不断进步，产品的生产、检测、流通环节都趋于自动化，以进行有效的生产管理和技术改进。低压电器在进行说明书面印刷的过程中，可能会产生各种缺陷，导致产品的说明书面印刷模糊。消费者遇到该类缺陷的电器时，便无法通过电器的说明书面印刷清晰准确地获得产品信息。因此，在上述电器产品进入市场之前，必须对低压电器说明书面印刷质量进行检测，以及时将不合格产品剔除。

传统的检测方法主要是采用人工检测，然而近年来，随着人力成本的不断攀升，机器换人的热潮随之而来，自动化低压电器移印图案缺陷检测系统呼之欲出。

在目前的工业环境中，车间采用电子设备采集说明书面图像，但是，由于机器的震动、光线的变化、缺陷位置的千变万化，使得传统的图像处理算法，难以取得良好的检测效果，经常出现漏检、错检等现象。

发明内容

本发明的目的在于提供一种基于Fast-RCNN的低压电器移印图案缺陷检测方法，以解决现有技术中存在的，采用电子设备采集说明书面图像的过程中，机器的震动、光线的变化、缺陷位置的千变万化，导致传统的图像处理算法，难以取得良好的检测效果，经常出现漏检、错检现象的技术问题。

本发明提供的一种基于Fast-RCNN的低压电器移印图案缺陷检测方法，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；

将特征框经过全连接层得到固定大小的特征向量，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。

进一步的，在步骤S1中，电子设备为CCD相机。

进一步的，在步骤S2中，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；