[发明专利]一种基于小目标检测的表面缺陷识别方法及系统在审
申请号: | 202310624084.5 | 申请日: | 2023-05-30 |
公开(公告)号: | CN116563641A | 公开(公告)日: | 2023-08-08 |
发明(设计)人: | 蒋淦华;郭宏;李志翔;甘仿;吴阳建;李超前 | 申请(专利权)人: | 江西软件职业技术大学 |
主分类号: | G06V10/764 | 分类号: | G06V10/764;G06V10/54;G06V10/774;G06V20/40;G06N3/0464;G06N3/08 |
代理公司: | 苏州拓鸿知识产权代理有限公司 32664 | 代理人: | 王宝成 |
地址: | 330000 江西省南*** | 国省代码: | 江西;36 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 目标 检测 表面 缺陷 识别 方法 系统 | ||
本发明提供了一种基于小目标检测的表面缺陷识别方法及系统,涉及缺陷识别技术领域,该方法包括:获得实时图像集合;进行特征提取,获得图像特征集合;进行小目标识别,根据识别结果获得多个识别区域集合;使用softmax损失函数对所述多个识别区域集合进行损失分析,根据损失分析结果中的损失值判断是否满足预设阈值,若满足,将所述多个识别区域集合设为目标区域集合;获得多个目标区域视频;输出多个表面缺陷集合;获得表面缺陷识别结果集合,解决了现有技术中存在由于对缺陷图像的处理效果不佳,进而导致微小缺陷难以被检出,缺陷识别准确性不佳的技术问题,达到提高缺陷识别准确率的技术效果。
技术领域
本发明涉及缺陷识别技术领域,具体涉及一种基于小目标检测的表面缺陷识别方法及系统。
背景技术
缺陷检测是生产制造业中非常重要的一个程序,也可用于设备的维护管理,通过进行缺陷识别,可以有效防止不合格产品的输出,同时对于设备保养维护具有重要参考意义。绝大部分的缺陷识别依赖于图像处理,但是,有时候缺陷区域面积过小,导致进行图像处理后,缺陷难以被检测出来。
综上,现有技术中存在由于对缺陷图像的处理效果不佳,进而导致微小缺陷难以被检出,缺陷识别准确性不佳的技术问题。
发明内容
本发明提供了一种基于小目标检测的表面缺陷识别方法及系统,用以解决现有技术中存在由于对缺陷图像的处理效果不佳,进而导致微小缺陷难以被检出,缺陷识别准确性不佳的技术问题。
根据本发明的第一方面,提供了一种基于小目标检测的表面缺陷识别方法,包括:对目标检测对象的实时图像进行采集,获得实时图像集合;将所述实时图像集合进行预处理,并使用特征提取模型对预处理后的实时图像集合进行特征提取,获得图像特征集合;使用二分类器对所述图像特征集合进行小目标识别,根据识别结果获得多个识别区域集合;使用softmax损失函数对所述多个识别区域集合进行损失分析,根据损失分析结果中的损失值判断是否满足预设阈值,若满足,将所述多个识别区域集合设为目标区域集合;在预设时间窗口内对目标区域集合进行视频采集,获得多个目标区域视频;将所述多个目标区域视频输入缺陷识别模型中的缺陷识别模块中,输出多个表面缺陷集合,其中,所述缺陷识别模块基于slowfast网络构建;并将所述多个表面缺陷集合输入缺陷识别模型中的缺陷匹配模块,获得表面缺陷识别结果集合。
根据本发明的第二方面,提供了一种基于小目标检测的表面缺陷识别系统,包括:实时图像采集模块,所述实时图像采集模块用于对目标检测对象的实时图像进行采集,获得实时图像集合;特征提取模块,所述特征提取模块用于将所述实时图像集合进行预处理,并使用特征提取模型对预处理后的实时图像集合进行特征提取,获得图像特征集合;小目标识别模块,所述小目标识别模块用于使用二分类器对所述图像特征集合进行小目标识别,根据识别结果获得多个识别区域集合;损失分析模块,所述损失分析模块用于使用softmax损失函数对所述多个识别区域集合进行损失分析,根据损失分析结果中的损失值判断是否满足预设阈值,若满足,将所述多个识别区域集合设为目标区域集合;视频采集模块,所述视频采集模块用于在预设时间窗口内对目标区域集合进行视频采集,获得多个目标区域视频;表面缺陷集合输出模块,所述表面缺陷集合输出模块用于将所述多个目标区域视频输入缺陷识别模型中的缺陷识别模块中,输出多个表面缺陷集合,其中,所述缺陷识别模块基于slowfast网络构建;缺陷识别结果获取模块,所述缺陷识别结果获取模块用于并将所述多个表面缺陷集合输入缺陷识别模型中的缺陷匹配模块,获得表面缺陷识别结果集合。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于江西软件职业技术大学,未经江西软件职业技术大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202310624084.5/2.html,转载请声明来源钻瓜专利网。