[发明专利]一种基于神经网络的钢板表面缺陷检测方法及系统在审
申请号: | 202110908425.2 | 申请日: | 2021-08-09 |
公开(公告)号: | CN113670931A | 公开(公告)日: | 2021-11-19 |
发明(设计)人: | 吴锐夫;夏志 | 申请(专利权)人: | 中冶南方工程技术有限公司 |
主分类号: | G01N21/88 | 分类号: | G01N21/88;G06T7/00;G06T7/11 |
代理公司: | 湖北武汉永嘉专利代理有限公司 42102 | 代理人: | 张宇 |
地址: | 430223 湖北省武*** | 国省代码: | 湖北;42 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 神经网络 钢板 表面 缺陷 检测 方法 系统 | ||
1.一种基于神经网络的钢板表面缺陷检测系统,其特征在于,包括:照明模块、图像采集模块、图像处理模块、数据库模块和缺陷信息可视化模块;
所述照明模块,用于为所述图像采集模块提供照明以保证视场亮度;
所述图像采集模块,用于采用编码器脉冲信号作为相机的触发信号,获取待测钢板表面图像;
所述图像处理模块,使用训练好的神经网络对待测钢板表面图像进行缺陷检测与定位;
所述数据库模块,用于存储检测到的缺陷信息;
所述缺陷信息可视化模块,用于显示检测到的缺陷信息。
2.根据权利要求1所述的系统,其特征在于,所述图像采集模块通过编码器脉冲信号触发线阵CCD相机,实现等间距采样获取待测钢板表面图像。
3.根据权利要求1或2所述的系统,其特征在于,所述图像处理模块,包括:
样本处理单元,用于将预先采集到的包含缺陷的各钢板图像按照井字型均匀切割为9个区域图像,并且对各钢板图像进行尺寸变换,缩小各钢板图像的高与宽;
标记单元,用于对切割后的各区域图像和尺寸变换后的钢板图像进行人工标记,标记出缺陷的位置和种类;
训练单元,利用标记后的各区域图像和标记后的钢板图像训练神经网络模型。
4.根据权利要求3所述的系统,其特征在于,所述神经网络模型包括8个依次级联的特征提取单元和两个YOLO单元分支,每个特征提取单元包含依次连接的卷积层和最大值池化层;每个YOLO单元包含三个卷积层和一个YOLO层。
5.根据权利要求4所述的系统,其特征在于,所述图像处理模块,还包括:
预处理单元,用于对待测钢板表面图像进行预处理,其中,所述预处理包括畸变校正、亮度不均匀校正和滤波去噪;
切割单元,用于对预处理后的待测钢板表面图像按照井字型均匀的切割为9个区域图像,并且对待测钢板表面图像进行尺寸变换,缩小待测钢板表面图像的高与宽;
识别单元,用于将切割后得到的9个区域图像和尺寸变换后的待测钢板表面图像,分别送入训练好的卷积神经网络中,进行缺陷检测与定位。
6.一种基于神经网络的钢板表面缺陷检测方法,其特征在于,包括:
采用编码器脉冲信号作为相机的触发信号,获取待测钢板表面图像,其中,相机采用明场照明方式;
使用训练好的神经网络对待测钢板表面图像进行缺陷检测与定位,并存储和显示检测到的缺陷信息。
7.根据权利要求6所述的方法,其特征在于,所述采用编码器脉冲信号作为相机的触发信号,获取待测钢板表面图像,包括:
通过编码器脉冲信号触发线阵CCD相机,实现等间距采样获取待测钢板表面图像。
8.根据权利要求6或7所述的方法,其特征在于,所述方法还包括:
将预先采集到的包含缺陷的各钢板图像按照井字型均匀切割为9个区域图像,并且对各钢板图像进行尺寸变换,缩小各钢板图像的高与宽;
对切割后的各区域图像和尺寸变换后的钢板图像进行人工标记,标记出缺陷的位置和种类,利用标记后的各区域图像和标记后的钢板图像训练神经网络模型。
9.根据权利要求8所述的方法,其特征在于,所述神经网络模型包括8个依次级联的特征提取单元和两个YOLO单元分支,每个特征提取单元包含依次连接的卷积层和最大值池化层;每个YOLO单元包含三个卷积层和一个YOLO层。
10.根据权利要求9所述的方法,其特征在于,所述使用训练好的神经网络对待测钢板表面图像进行缺陷检测与定位,包括:
对待测钢板表面图像进行预处理,其中,所述预处理包括畸变校正、亮度不均匀校正和滤波去噪;
对预处理后的待测钢板表面图像按照井字型均匀的切割为9个区域图像,并且对待测钢板表面图像进行尺寸变换,缩小待测钢板表面图像的高与宽;
将切割后得到的9个区域图像和尺寸变换后的待测钢板表面图像,分别送入训练好的卷积神经网络中,进行缺陷检测与定位。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中冶南方工程技术有限公司,未经中冶南方工程技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110908425.2/1.html,转载请声明来源钻瓜专利网。