[发明专利]基于分割网络的零件缺陷检测与字符识别方法及装置

权利要求书

1.一种基于分割网络的零件缺陷检测与字符识别方法，其特征在于，包括：

获取一定数量的具有缺陷的零件图像并对获得的零件图像进行分类标注，得到分类标注训练数据集，所述分类标注的分类类型包括：缺陷轮廓类型和字符轮廓类型；

基于并行反向注意力的PraNet网络构建分割模型，其中sigmod激活函数改进为Softmax激活函数作为PraNet网络输出端的激活函数，对于PraNet算法，AdamW优化函数替换原有的Adam优化函数，并且在AdamW优化函数中加入LookAhead机制，用Mish激活函数替换原有的ReLU激活函数；

对所述分割模型进行训练；

使用训练好的所述分割模型对零件图像进行缺陷检测。

2.根据权利要求1所述的基于分割网络的零件缺陷检测与字符识别方法，其特征在于，在对获得的零件图像进行分类标注时，在零件图像中用连续的闭合的点线来标注缺陷轮廓区域和字符轮廓区域，标注后生成相应的扩展名为Json的标注文件，用标注标签来注释缺陷轮廓区域和字符轮廓区域。

3.根据权利要求2所述的基于分割网络的零件缺陷检测与字符识别方法，其特征在于，当字符轮廓区域和缺陷轮廓区域交织在一起无法区分时，将分类类型只标注为缺陷轮廓类型，不再标注字符轮廓类型。

4.根据权利要求1所述的基于分割网络的零件缺陷检测与字符识别方法，其特征在于，在使用训练好的所述分割模型对零件图像进行缺陷检测的过程中，对于所述分割模型输出的包含字符的零件图像，使用OCR文本检测和识别算法来识别出该零件图像中的字符。

5.根据权利要求1所述的基于分割网络的零件缺陷检测与字符识别方法，其特征在于，所述缺陷轮廓类型包括但不限于划痕轮廓类型和残缺轮廓类型。

6.一种基于分割网络的零件缺陷检测与字符识别装置，其特征在于，包括：

图像获取和分类标注模块，用于获取一定数量的具有缺陷的零件图像并对获得的零件图像进行分类标注，得到分类标注训练数据集，所述分类标注的分类类型包括：缺陷轮廓类型和字符轮廓类型；

分割模型构建模块，用于基于并行反向注意力的PraNet网络构建分割模型，其中sigmod激活函数改进为Softmax激活函数作为PraNet网络输出端的激活函数，对于PraNet算法，AdamW优化函数替换原有的Adam优化函数，并且在AdamW优化函数中加入LookAhead机制，用Mish激活函数替换原有的ReLU激活函数；

模型训练模块，用于对所述分割模型进行训练；

检测模块，用于使用训练好的所述分割模型对零件图像进行缺陷检测。

7.根据权利要求6所述的基于分割网络的零件缺陷检测与字符识别装置，其特征在于，所述图像获取和分类标注模块在对获得的零件图像进行分类标注时，在零件图像中用连续的闭合的点线来标注缺陷轮廓区域和字符轮廓区域，标注后生成相应的扩展名为Json的标注文件，用标注标签来注释缺陷轮廓区域和字符轮廓区域。

8.根据权利要求7所述的基于分割网络的零件缺陷检测与字符识别装置，其特征在于，当字符轮廓区域和缺陷轮廓区域交织在一起无法区分时，将分类类型只标注为缺陷轮廓类型，不再标注字符轮廓类型。

9.根据权利要求6所述的基于分割网络的零件缺陷检测与字符识别装置，其特征在于，所述检测模块在使用训练好的所述分割模型对零件图像进行缺陷检测的过程中，对于所述分割模型输出的包含字符的零件图像，使用OCR文本检测和识别算法来识别出该零件图像中的字符。

10.根据权利要求6所述的基于分割网络的零件缺陷检测与字符识别装置，其特征在于，所述缺陷轮廓类型包括但不限于划痕轮廓类型和残缺轮廓类型。