[发明专利]铝材表面缺陷检测方法、设备和存储介质

权利要求书

1.一种铝材表面缺陷检测方法，其特征在于，包括：

获取铝材表面的铝材缺陷数据集；

将所述铝材缺陷数据集输入到K-means聚类算法中，得到铝材缺陷目标数据集，其中，所述铝材缺陷目标数据集为设有先验框的所述铝材缺陷数据集；

将所述铝材缺陷目标数据集输入到YOLOv4模型中进行分类识别，得到铝材表面缺陷分类结果；

其中，所述YOLOv4模型包括主干网络结构和PANet模块，在所述PANet模块中将第一特征图集与第二特征图集进行特征拼接，以使所述第一特征图集与所述第二特征图集位于同一特征层；所述第一特征图集为所述主干网络结构输出的特征图集，所述第二特征图集为在所述PANet模块中对所述第一特征图集进行融合处理得到的特征图集。

2.根据权利要求1所述的铝材表面缺陷检测方法，其特征在于，所述获取铝材表面的铝材缺陷数据集，包括：

获取铝材表面的待处理缺陷图像；

对所述待处理缺陷图像进行图像预处理，得到铝材缺陷数据集，其中，所述图像预处理包括水平翻转操作和/或垂直翻转操作。

3.根据权利要求2所述的铝材表面缺陷检测方法，其特征在于，所述待处理缺陷图像的缺陷包括擦花、角位漏底、桔皮、漏底、喷流、漆泡、起坑、不导电、杂色和脏点中的至少两种。

4.根据权利要求1所述的铝材表面缺陷检测方法，其特征在于，所述先验框包括小尺寸目标检测先验框、中等尺寸目标检测先验框和大尺寸目标检测先验框，所述小尺寸目标检测先验框的尺寸包括4×4、10×9和52×23，所述中等尺寸目标检测先验框的尺寸包括256×8、256×16和256×26，所述大尺寸目标检测先验框的尺寸包括256×48、256×76和256×123。

5.根据权利要求1所述的铝材表面缺陷检测方法，其特征在于，所述YOLOv4模型还包括SPP模块和YOLO Head层，所述第一特征图集包括第一特征图、第二特征图、第三特征图和池化特征图，所述第二特征图集包括第四特征图、第五特征图和第六特征图，所述将所述铝材缺陷目标数据集输入到YOLOv4模型中进行分类识别，得到铝材表面缺陷分类结果，包括：

将所述铝材缺陷目标数据集输入到所述主干网络结构中，得到第一特征图、第二特征图和第三特征图；

将所述第三特征图输入到所述SPP模块中，得到池化特征图；

将所述第一特征图、所述第二特征图、所述第三特征图和所述池化特征图输入到所述PANet模块中进行融合处理，得到所述第四特征图、所述第五特征图和所述第六特征图；

通过所述PANet模块对所述第一特征图和所述第四特征图、所述第二特征图和所述第五特征图、所述第三特征图和所述第六特征图分别进行特征拼接，得到位于同一特征层的第三特征图集，其中所述第三特征图集包括与所述第一特征图和所述第四特征图对应的第一拼接图、与所述第二特征图和所述第五特征图对应的第二拼接图、与所述第三特征图和所述第六特征图对应的第三拼接图；

将所述第三特征图集输入到所述YOLO Head层中，得到铝材表面缺陷分类结果。

6.根据权利要求5所述的铝材表面缺陷检测方法，其特征在于，所述主干网络结构包括第一卷积层和多个残差单元，所述将所述铝材缺陷目标数据集输入到所述主干网络结构中，得到第一特征图、第二特征图和第三特征图，包括：

将所述铝材缺陷目标数据集输入到所述第一卷积层中，得到第一铝材缺陷目标数据集；

将所述第一铝材缺陷目标数据集依次输入到多个所述残差单元中，得到第一特征图、第二特征图和第三特征图，其中，每一所述残差单元均包括循环残差结构，所述循环残差结构包括SE模块，所述SE模块使用Hard Sigmoid函数。