[发明专利]一种球笼防尘罩内部毛刺缺陷检测方法

说明书

本发明公开了一种球笼防尘罩内部毛刺缺陷检测方法，属于计算机图像缺陷检测领域，包括以下步骤：步骤1：搭建图像采集系统，使用工业相机拍摄球笼防尘罩内部毛刺缺陷图像，整理得到原始样本集；步骤2：对图像进行预处理操作，人工标注标签，得到训练集；步骤3：将步骤2得到的训练集图像导入改进的深度神经网络，对模型进行训练，得到权重文件；步骤4：使用机器视觉检测模块和深度神经网络检测模块相串联的检测网络，对输入的球笼防尘罩图像进行检测，根据权重文件，输出检测结果。本发明代替目前普遍使用的人工检测方法，以实现降低检测成本提升检测效率的目的。

技术领域

本发明涉及计算机图像缺陷检测领域，尤其是一种球笼防尘罩内部毛刺缺陷检测方法。

背景技术

在计算机图像缺陷检测领域，传统图像处理算法在工业生产领域应用广泛，而随着深度神经网络发展，图像处理技术在生产生活中的应用更加普遍。然而，在球笼防尘罩缺陷检测领域，目前较常用的还是效率低下且成本较高的人工检测方法。人工检测方法需要消耗大量人力，且检测准确度受工人体力和精力的影响。在球笼防尘罩在生产过程中可能出现的各种缺陷类型中，内部毛刺出现概率较高，球笼防尘罩小口处的内部毛刺会对组装工序中连接汽车其他零部件造成影响，属于结构性缺陷，是在进行球笼防尘罩缺陷检测过程中重点排查对象。

目前针对自动化球笼防尘罩内部毛刺缺陷检测的研究较少，一部分原因在于缺少球笼防尘罩每部毛刺的缺陷数据集，而使用深度神经网络检测的准确率需要大量数据支持。机器视觉方法虽不需要大量的数据，但其检测精度普遍低于深度神经网络。因此，需要一种球笼防尘罩内部毛刺缺陷检测方法，以提高工业生产效率。

发明内容

本发明需要解决的技术问题是提供一种球笼防尘罩内部毛刺缺陷检测方法，首先利用工业相机对球笼防尘罩内部毛刺缺陷图像进行采集，然后制作球笼防尘罩缺陷数据集，通过深度神经网络进行模型的训练，最终使用深度神经网络与霍夫圆变换结合的方法定位并检出球笼防尘罩内部毛刺，代替目前普遍使用的人工检测方法，以实现降低检测成本提升检测效率的目的。

为解决上述技术问题，本发明所采用的技术方案是：

一种球笼防尘罩内部毛刺缺陷检测方法，包括以下步骤：

步骤1：搭建图像采集系统，使用工业相机拍摄球笼防尘罩内部毛刺缺陷图像，整理得到原始样本集；

步骤2：对图像进行预处理操作，人工标注标签，得到训练集；

步骤3：将步骤2得到的训练集图像导入改进的深度神经网络，对模型进行训练，得到权重文件；

步骤4：使用机器视觉检测模块和深度神经网络检测模块相串联的检测网络，对输入的球笼防尘罩图像进行检测，根据权重文件，输出检测结果。

本发明技术方案的进一步改进在于：所述步骤1中，将所有图像分为两大类，根据内部毛刺缺陷大小不同，针对内部毛刺长度大于1/6小口内边缘周长的缺陷归为大目标缺陷，其余归为小目标缺陷。

本发明技术方案的进一步改进在于：所述步骤2中，标注信息包括缺陷种类、边界框中心位置的相对坐标以及边界框的相对长度和相对宽度，从而得到可供深度神经网络使用的球笼防尘罩内部毛刺缺陷检测的训练集。

本发明技术方案的进一步改进在于：步骤3中，目标检测深度神经网络主干部分包括Focus模块、CSPNet和SPP模块；所述改进的深度神经网络为在目标检测深度神经网络结构的基础上加入了CBAM注意力机制；CBAM注意力机制网络设置在第二层与第三层CSPNet模块中间。

本发明技术方案的进一步改进在于：所述步骤3中，具体包括以下步骤：

具体包括以下步骤：