[发明专利]一种基于卷积神经网络的工件表面缺陷检测方法有效
| 申请号： | 201711121537.3 | 申请日： | 2017-11-14 |
| 公开（公告）号： | CN107966447B | 公开（公告）日： | 2019-12-17 |
| 发明（设计）人： | 刘云海;梁智聪 | 申请（专利权）人： | 浙江大学 |
| 主分类号： | G01N21/88 | 分类号： | G01N21/88;G06T7/00 |
| 代理公司： | 33200 杭州求是专利事务所有限公司 | 代理人： | 刘静;邱启旺 |
| 地址： | 310058 浙江*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于卷积神经网络的工件表面缺陷检测方法。采集工件的各个表面的图像；构造卷积神经网络结构；构造训练样本；训练卷积神经网络的参数；将待测工件的图像输入到训练好的卷积神经网络中，获取像素级的缺陷区域标记图像。本发明进行缺陷检测使用的是全卷积神经网络，该网络的输入为经过预处理的工件原图，经神经网络计算后输出大小与原图相等缺陷标记图，通过对缺陷标记图的分析可以很好的获取缺陷区域的位置、大小以及形状等重要信息。对比传统的缺陷检测方法，该方法可以处理大规模的图像数据，能够减少手工设计特征的巨大工作量，可以同时处理多种不同的缺陷类别以及能获得像素级的缺陷区域信息。 | ||
| 搜索关键词： | 一种 基于 卷积 神经网络 工件 表面 缺陷 检测 方法 | ||
【主权项】：
1.一种基于卷积神经网络的工件表面缺陷检测方法，其特征在于，包括以下步骤：/n(1)多路图像采集：利用多个摄像头与光源的组合，采集工件的各个表面的图像；/n(2)图像的预处理：目标区域切割，图像增强以及改变图片大小；/n(3)构造用于缺陷检测的卷积神经网络结构：网络的设计采用全卷积神经网络结构组成的语义分割网络，全卷积神经网络结构仅由多个卷积层以及反卷积层组成，不包含全连接层，是一种从图像到图像的卷积神经网络结构；/n(4)构造训练样本：以工件的原图像作为语义分割网络的输入，手工标注的标签图作为网络的标签；/n(5)训练卷积神经网络：采用反向传播算法训练卷积神经网络的参数；具体为：利用BP算法更新卷积神经网络参数，训练的具体步骤如下：/n(5.1)初始化权重：卷积神经网络的权重初始化采用xavier方法，该方法使参数以均匀分布的方式在
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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浙江大学，未经浙江大学许可，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/patent/201711121537.3/，转载请声明来源钻瓜专利网。
