本发明涉及金属加工表面缺陷检测技术。
背景技术:
1、金属平面材料,例如,钢,铝,铜板等广泛用于汽车制造,桥梁建筑,航空航天和其他支柱产业,为现代社会发展和生活改善做出了巨大贡献。然而,在实际的工业生产过程中,加工设备的损坏或恶劣的工业环境不可避免地会导致金属平面材料产品出现某些质量问题。金属平面材料的表面应清洁且无鳞,不应出现裂纹,划痕,辊痕和气泡等缺陷,金属平面材料表面的缺陷不仅会损坏平面产品的外观,而且可能成为应力集中的薄弱环节,成为破裂和腐蚀的根源,甚至一些具有大面积或周期性特征的产品表面缺陷不仅影响后续生产,而且威胁终端产品的质量,给制造企业带来巨大的经济和声誉损失。表面缺陷区域的数量,程度和分布是决定工业金属平面材料质量的重要因素。
2、现有采用基于计算机视觉的表面缺陷检测方法对金属加工表面的缺陷进行检测,这种方法具有成本低,操作简便,性能优越等优点,但是检测的对象一般比较局限于特定物体的表面,如金属面板,金属管表面等等。对于图像来说,金属加工表面存在形状边缘的多样性,单纯使用基于计算机视觉的表面缺陷检测方法进行检测效果并不理想。对于金属加工工件来说,检测的工位较多,表面也比较复杂,现有技术达不到要求且具有较高的处理时间,因此基于计算机视觉的表面缺陷检测方法易受到检测过程中各种算法的准确性、时间效率和鲁棒性的限制。
技术实现思路
1、本发明解决现有金属加工表面缺陷检测方法存在的准确率低、效率低和鲁棒性差的问题。
2、为实现上述目的,本发明提供了如下方案:
3、本发明提供一种基于形状特征的金属加工表面缺陷检测方法,所述方法为:
4、s1、对金属加工表面进行处理,获得金属加工表面图;
5、s2、对所述金属加工表面图进行剪切和重新定位,获得金属加工表面缺陷图;
6、s3、采用传统图像定位分割算法对所述金属加工表面缺陷图进行预处理,获得带有缺陷标注的样本;
7、s4、采用卷积神经网络对所述带有缺陷标注的样本进行特征提取,获得形状特征图;
8、s5、根据所述形状特征图对卷积神经网络进行训练,获得最优的卷积神经网络;
9、s6、采用所述最优的卷积神经网络对金属加工表面图进行筛选,获得金属加工表面缺陷分类图。
10、进一步,还有一种优选实施例,上述步骤s1具体为:
11、采用拍照系统对金属加工表面进行拍照,获得金属加工表面图。
12、进一步,还有一种优选实施例,上述步骤s3中的预处理包括分类、标注、定位和分割。
13、进一步,还有一种优选实施例,上述步骤s4具体为:
14、s41、采用卷积神经网络中的darknet53主干网络对所述带有缺陷标注的样本进行异物特征提取,获得异物特征图;
15、s42、采用卷积神经网络中的卷积层、激活层和池化层对所述异物特征图进行处理,获得形状特征图。
16、进一步,还有一种优选实施例,上述步骤s5具体为:
17、s51、将所述形状特征图按照比例拆分为训练集、测试集和验证集;
18、s52、采用所述训练集对卷积神经网络进行深度学习训练,并通过反向传播算法获得网络权重;
19、s53、采用梯度下降方法对所述网络权重进行不断优化,获得最优的网络权重;
20、s54、增加水、油的复杂工况背景并采用所述最优的网络权重对卷积神经网络进行训练,获得训练的卷积神经网络;
21、s55、采用所述测试集对所述最优的卷积神经网络进行测试,获得测试结果;
22、s56、采用所述验证集对所述测试结果进行拟合验证,若过拟合,则重复步骤s52-s54,获得最优的卷积神经网络。
23、进一步,还有一种优选实施例,上述步骤s51的拆分比例为:
24、所述训练集、测试集和验证集的拆分比例为80%、10%和10%。
25、本发明提供一种基于形状特征的金属加工表面缺陷检测系统,所述系统为:
26、单元1:用于对金属加工表面进行处理,获得金属加工表面图的存储装置;
27、单元2:用于对所述金属加工表面图进行剪切和重新定位,获得金属加工表面缺陷图的存储装置;
28、单元3:用于采用传统图像定位分割算法对所述金属加工表面缺陷图进行预处理,获得带有缺陷标注的样本的存储装置;
29、单元4:用于采用卷积神经网络对所述带有缺陷标注的样本进行特征提取,获得形状特征图的存储装置;
30、单元5:用于根据所述形状特征图对卷积神经网络进行训练,获得最优的卷积神经网络的存储装置;
31、单元6:用于采用所述最优的卷积神经网络对金属加工表面图进行筛选,获得金属加工表面缺陷分类图的存储装置。
32、进一步,还有一种优选实施例,上述单元1具体为:
33、用于采用拍照系统对对金属加工表面进行拍照,获得金属加工表面图的存储装置。
34、本发明提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述任意一项所述的一种基于形状特征的金属加工表面缺陷检测方法。
35、本发明提供一种计算机设备,所述存储器中存储有计算机程序,当所述处理器运行所述存储器存储的计算机程序时,所述处理器执行上述任意一项所述的一种基于形状特征的金属加工表面缺陷检测方法。
36、本发明的有益效果为:
37、1、本发明提供一种基于形状特征的金属加工表面缺陷检测方法,采用传统图像定位分割算法准确获取感兴趣区域,去掉不感兴趣区域,减少训练和推理的时间,加快效率,减少误判,提高准确性,准确率99.9%,满足工业企业生产需求。
38、2、本发明提供一种基于形状特征的金属加工表面缺陷检测方法,采用卷积神经网络对带有缺陷的金属加工表面进行分类处理,同时通过增加水,油等复杂工况背景进行训练,提高卷积神经网络的鲁棒性。
39、3、本发明提供一种基于形状特征的金属加工表面缺陷检测方法,从采用拍摄系统拍摄图片至检测结束阶段,共耗时0.5s,检测精度达到0.5mm,可检测金属加工面的划伤、磕碰伤、沙眼或断裂等缺陷。
40、本发明适用于金属加工表面的缺陷检测。
1.一种基于形状特征的金属加工表面缺陷检测方法,其特征在于,所述方法为:
2.根据权利要求1所述的一种基于形状特征的金属加工表面缺陷检测方法,其特征在于,所述步骤s1具体为:
3.根据权利要求1所述的一种基于形状特征的金属加工表面缺陷检测方法,其特征在于,所述步骤s3中的预处理包括分类、标注、定位和分割。
4.根据权利要求1所述的一种基于形状特征的金属加工表面缺陷检测方法,其特征在于,所述步骤s4具体为:
5.根据权利要求1所述的一种基于形状特征的金属加工表面缺陷检测方法,其特征在于,所述步骤s5具体为:
6.根据权利要求4所述的一种基于形状特征的金属加工表面缺陷检测方法,其特征在于,所述步骤s51的拆分比例为:
7.一种基于形状特征的金属加工表面缺陷检测系统,其特征在于,所述系统为:
8.根据权利要求7所述的一种基于形状特征的金属加工表面缺陷检测系统,其特征在于,所述单元1具体为:
9.一种计算机可读存储介质,其特征在于,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行权利要求1-6任意一项所述的一种基于形状特征的金属加工表面缺陷检测方法。
10.一种计算机设备,其特征在于:该设备包括存储器和处理器,所述存储器中存储有计算机程序,当所述处理器运行所述存储器存储的计算机程序时,所述处理器执行权利要求1-6任意一项所述的一种基于形状特征的金属加工表面缺陷检测方法。