[发明专利]基于卷积神经网络多级特征的钢板表面缺陷检测方法

摘要

本发明提供一种基于卷积神经网络多级特征的钢板表面缺陷检测方法，涉及钢板缺陷检测技术领域。该方法首先选取基准网络，并对其进行预训练，同时建立用于微调训练的专用缺陷检测数据集；然后搭建整体检测网络和多级特征融合网络，并将它们合并得到缺陷检测网络；最后设置缺陷检测网络的损失函数和训练超参数，并对缺陷检测网络进行训练，使基准网络、多级特征融合网络和RPN共享卷积层和计算量，得到训练完成的缺陷检测网络模型，进而对钢板表面缺陷进行检测。本发明提供的基于卷积神经网络多级特征的钢板表面缺陷检测方法，具有强大的缺陷分类能力，且能够完整的获得缺陷的具体类别以及精确的位置信息，同时降低了检测所需硬件的配置。

主权项

1.一种基于卷积神经网络多级特征的钢板表面缺陷检测方法，其特征在于：包括以下步骤：步骤1、选取适当的基准网络，然后使用大型数据集ImageNet对该基准网络进行预训练；步骤2、建立用于微调训练的专用缺陷检测数据集；步骤3、基于步骤1的基准网络，搭建整体检测网络，并设置该网络结构的超参数，包括卷积层数、卷积核数、卷积核滑动步长、池化方式和激活函数类型；步骤4、搭建多级特征融合网络，并将其与整体检测网络合并，得到缺陷检测网络；步骤5、构建缺陷检测网络的损失函数；步骤6、基于图像中心策略设置缺陷检测网络的训练超参数，包括优化方法、学习率、迭代次数、权重初始化策略、权重衰减参数、动量系数和数据增强方法；步骤7、使用五步联合训练法对缺陷检测网络进行训练，使基准网络、多级特征融合网络和RPN共享卷积层和计算量；步骤8、使用训练完成的缺陷检测网络来执行钢板表面缺陷检测的任务，得出缺陷的类别分数及包围框坐标。