[发明专利]基于深度学习的不规则形状金属加工表面的缺陷检测方法在审
| 申请号： | 201811252083.8 | 申请日： | 2018-10-25 |
| 公开（公告）号： | CN109636772A | 公开（公告）日： | 2019-04-16 |
| 发明（设计）人： | 陈启军;颜熠;王德明;周光亮;李树 | 申请（专利权）人： | 同济大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T7/13;G06T7/187;G06T3/00 |
| 代理公司： | 上海科盛知识产权代理有限公司 31225 | 代理人： | 叶敏华 |
| 地址： | 200092 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于深度学习的不规则形状金属加工表面的缺陷检测方法，该方法通过对采集的金属加工表面图像进行预处理、图像增强，基于YOLOv3的网络架构，搭建了适于缺陷检测的深度学习网络，通过对样本进行人工标记，利用带标签的样本进行深度学习网络的训练，以获取缺陷检测模型，最后利用缺陷检测模型对采集到的金属加工表面图像进行缺陷检测，得到缺陷检测的结果。与现有技术相比，本发明中的网络架构对于小物体小目标的检测具有良好的适应性，将目标检测的候选区域生成、特征提取、分类、位置精修四个基本步骤统一到同一个深度网络框架之内，提高了运行速度，使检测更加准确。 | ||
| 搜索关键词： | 缺陷检测 金属加工表面 不规则形状 网络架构 样本 预处理 采集 图像 学习 候选区域 目标检测 人工标记 特征提取 图像增强 网络框架 小目标 小物体 检测 精修 标签 网络 分类 统一 | ||
【主权项】：
1.基于深度学习的不规则形状金属加工表面的缺陷检测方法，其特征在于，该方法包括以下步骤：1)采集不规则形状金属加工表面的原始图像；2)对采集到的原始图像进行预处理，获取ROI；3)对ROI进行人工标注，获取带有缺陷框标注的样本，通过数据增强对样本进行扩充，将扩充后的样本作为训练网络的数据集；4)基于YOLOv3搭建深度学习检测网络；5)利用数据增强后的带有缺陷框标注的样本训练深度学习检测网络，获取缺陷检测模型；6)利用训练得到的缺陷检测模型对采集到的金属加工表面图像进行缺陷检测，获取缺陷检测结果。
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同济大学，未经同济大学许可，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/201811252083.8/，转载请声明来源钻瓜专利网。
