[发明专利]基于神经网络的木板缺陷检测方法、装置、设备及介质

说明书

本发明公开了一种基于神经网络的木板缺陷检测方法、装置、设备及介质，方法包括：获取含有标注信息的第一训练数据集；根据所述第一训练数据集训练木板缺陷检测模型，得到训练好的木板缺陷检测模型，其中，所述木板缺陷检测模型为U‑net网络结构，在所述U‑net网络结构中增加跳跃连接以及在跳跃连接处增加权重处理模块；将待检测图像输入所述训练好的木板缺陷检测模型，得到检测结果。根据本公开实施例提供的木板缺陷检测方法，能够基于神经网络模型自动检测木板缺陷，且本公开实施例中的检测模型通过增加跳跃连接以及跳跃连接权重，能够大大提高特征提取效率以及检测的准确率。

技术领域

本发明涉及图像检测技术领域，特别涉及一种基于神经网络的木板缺陷检测方法、装置、设备及介质。

背景技术

木板是家具制造业的主要原料，而在木板的加工和处理过程中，由于先天或后天原因，会造成木材表面存在缺陷。这些缺陷的主要形成原因为：先天造成的组织和结构缺陷、木材生产过程中人为、机械等因素导致的加工缺陷等，导致木板表面缺陷类型多、形状复杂。

针对木板的缺陷检测，目前多数企业还局限于人工检测的方法，既大量工作人员在木板生产单元的后端作业，通过视觉观察和主观经验对木板进行观察；由于现代的木板生产线每天需要生产大量木板，检测人员在单一枯燥的机械性劳动中容易疲劳，导致错检率和漏检率随工作时间的增加而增长，其分类检测的结果受工作人员的主观因素影响较大，导致了木板的质量稳定性难以保证，且频繁返工对生产方按时交货造成严重影响。

因此，如何提供一种自动的木板缺陷检测方法，提升木板缺陷检测的质量以及效率，成为一个亟待解决的问题。

发明内容

本公开实施例提供了一种基于神经网络的木板缺陷检测方法、装置、设备及介质。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。

第一方面，本公开实施例提供了一种基于神经网络的木板缺陷检测方法,包括：

获取含有标注信息的第一训练数据集；

根据第一训练数据集训练木板缺陷检测模型，得到训练好的木板缺陷检测模型，其中，木板缺陷检测模型为U-net网络结构，在U-net网络结构中增加跳跃连接以及在跳跃连接处增加权重处理模块；

将待检测图像输入训练好的木板缺陷检测模型，得到检测结果。

在一个可选地实施例中，获取含有标注信息的第一训练数据集，包括：

获取多张有缺陷的木板图像，并对有缺陷的木板图像进行标注，得到第二训练数据集；

获取多张无缺陷的木板图像，并对无缺陷的木板图像进行标注，得到第三训练数据集；

将第二训练数据集和第三训练数据集进行合并，得到第一训练数据集。

在一个可选地实施例中，U-net网络结构包括一个编码器和一个解码器；

编码器包括第一跳跃连接层、第二跳跃连接层、第三跳跃连接层以及第四跳跃连接层；

解码器包括第五跳跃连接层、第六跳跃连接层、第七跳跃连接层以及第八跳跃连接层。

在一个可选地实施例中，

第一跳跃连接层与第八跳跃连接层跳跃连接，记为第一跳跃连接；

第二跳跃连接层与第七跳跃连接层跳跃连接，记为第二跳跃连接；

第三跳跃连接层与第六跳跃连接层跳跃连接，记为第三跳跃连接；

第四跳跃连接层与第五跳跃连接层跳跃连接，记为第四跳跃连接。