[发明专利]金属物料的渣点检测方法、装置、设备和存储介质

权利要求书

1.一种金属物料的渣点检测方法，其特征在于，包括步骤：

获取待测金属物料的截面图像；所述截面图像包括背光源图像和环形光源图像；其中，所述背光源图像为对置于背光源中所述待测金属物料进行图像采集得到；所述环形光源图像为对置于环形光源中的所述待测金属物料进行图像采集得到；

采用大津法对所述背光源图像进行二值化处理，得到二值化图像；

将所述二值化图像确定为所述环形光源图像的蒙版图像，在所述环形光源图像上叠加所述蒙版图像；确定所述蒙版图像中像素值为第一设定值的像素的叠加位置，将所述环形光源图像中处于所述叠加位置的像素的值调整为第二设定值，得到纯背景图像；

采用预设神经网络模型处理所述纯背景图像，并输出渣点检测结果。

2.根据权利要求1所述的金属物料的渣点检测方法，其特征在于，采用大津法对所述背光源图像进行二值化处理的步骤之前，还包括：

预处理所述背光源图像，得到预处理图像；

采用大津法对所述背光源图像进行二值化处理，得到二值化图像的步骤包括：

采用大津法确定所述预处理图像的二值化阈值；

将预处理图像中像素值大于所述二值化阈值的像素点的值设为所述第二设定值，并将预处理图像中像素值小于或等于所述二值化阈值的像素点设为第一设定值，得到所述二值化图像。

3.根据权利要求2所述的金属物料的渣点检测方法，其特征在于，预处理所述背光源图像，得到预处理图像的步骤包括：

对所述背光源图像进行中值滤波处理，得到所述预处理图像。

4.根据权利要求1所述的金属物料的渣点检测方法，其特征在于，还包括步骤：

获取多个测试金属物料的测试背光源图像和测试环形光源图像；

对各所述测试背光源图像和各所述测试环形光源图像进行图像处理，得到多个纯背景测试图像；

根据各所述纯背景测试图像，生成训练集和测试集；

采用所述训练集对第一神经网络模型进行训练，得到第二神经网络模型；

将检测准确率大于预设值的第二神经网络模型确定为所述预设神经网络模型；其中，所述检测准确率为所述第二神经网络模型对所述测试集进行检测得到。

5.根据权利要求4所述的金属物料的渣点检测方法，其特征在于，所述第一神经网络模型的下一训练代数的学习率为根据所述第一神经网络模型的当前训练代数的学习率、学习衰减率、当前训练代数以及总训练代数得到。

6.根据权利要求5所述的金属物料的渣点检测方法，其特征在于，基于以下公式，得到所述第一神经网络模型的学习率：

其中，lr为所述第一神经网络模型的下一训练代数的学习率；lr_base为所述第一神经网络模型的当前训练代数的学习率；α为所述学习衰减率，所述学习衰减率的值小于1；epoch为所述当前训练代数，n_epoch为所述总的训练代数。

7.一种金属物料的渣点检测装置，其特征在于，包括：

图像采集模块，用于获取待测金属物料的截面图像；所述截面图像包括背光源图像和环形光源图像；其中，所述背光源图像为对置于背光源中所述待测金属物料进行图像采集得到；所述环形光源图像为对置于环形光源中的所述待测金属物料进行图像采集得到；

二值化处理模块，用于采用大津法对所述背光源图像进行二值化处理，得到二值化图像；

图像处理模块，用于将所述二值化图像确定为所述环形光源图像的蒙版图像，在所述环形光源图像上叠加所述蒙版图像；确定所述蒙版图像中像素值为第一设定值的像素的叠加位置，将所述环形光源图像中处于所述叠加位置的像素的值调整为第二设定值，得到纯背景图像；

结果输出模块，用于采用预设神经网络模型处理所述纯背景图像，并输出渣点检测结果。