【技术实现步骤摘要】
基于深度哈希网络的铸件缺陷图像检测方法
本专利技术属于材料铸件缺陷图像检测领域,具体涉及一种基于深度哈希网络的无损检测方法。
技术介绍
在现代工业领域中,无损检测技术发展迅速。无损检测方法有很多,根据美国国家宇航局调研分析,可以分为6大类约70余种。目前,材料缺陷检测技术在航空航天,建筑,交通,制造等行业有着广泛的应用,不仅保持了这些行业的正常运行,而且提供了产品质量和安全保证。因此,一系列的材料无损检测设备与技术被应用到实际的生产生活当中,例如超声波检测、红外检测、电子涡流检测、磁粉检测、渗透检测等。但是,这些现有技术存在诸如检测准确性不高、自动化程度较差、对人为因素有严重依赖以及需要复杂的技术操作等问题。近年来,机器学习一直是人工智能领域炙手可热的研究对象,专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。受到机器学习的启发,我们的目标是使用机器来高效快速地识别材料铸件是否存在缺陷,而真实材料能够被转变成包含所有材料表征的图像。因此,这项工作变为一个图像分类问题。最近的研究表明,深度卷积神经网络(CNN)能够显著提高图像分类,目标检测以及许多其他视觉任务的性能,展现了深度CNN网络对于丰富图像表现的学习能力。在这些任务中,深度CNN能够被看作是一个专门针对某个任务设计的目标函数的特征提取器。由于深度CNN捕捉图像潜在特征的能力非常强,Krizhevsky在图像分类中使用了来自网络第7层的特征向量,并在ImageNet数据集上表现出了出色的性能。然而,由于来自CNN的特征向量是高维的,并且直接 ...
【技术保护点】
1.一种基于深度哈希网络的铸件缺陷图像检测方法,其特征是包括下列步骤:a、在ImageNet上预训练一个卷积神经网络;b、输入图像,并对输入图像进行预处理;c、已预处理的图像开始进入深度哈希网络的第一个卷积层,并将第一个卷积层的输出结果进行max‑pooling运算;d、上一层的输出结果进入第二个卷积层,并将第二个卷积层的输出结果进行max‑pooling运算;e、上一层的输出结果进入第三个卷积层,进行卷积运算,将第三层的输出结果输入第四个卷积层,再进行卷积运算f、上一层的输出结果进入第五个卷积层,并将第五个卷积层的输出结果进行max‑pooling运算;g、上一层的输出结果进入深度哈希网络的两个全连接层;h、上一层的输出结果进入深度哈希网络的哈希层;i、上一层的输出结果进入深度哈希网络的最后一层,得到图像属于有缺陷与无缺陷两个类别的概率,得出图像分类结果。
【技术特征摘要】
1.一种基于深度哈希网络的铸件缺陷图像检测方法,其特征是包括下列步骤:a、在ImageNet上预训练一个卷积神经网络;b、输入图像,并对输入图像进行预处理;c、已预处理的图像开始进入深度哈希网络的第一个卷积层,并将第一个卷积层的输出结果进行max-pooling运算;d、上一层的输出结果进入第二个卷积层,并将第二个卷积层的输出结果进行max-pooling运算;e、上一层的输出结果进入第三个卷积层,进行卷积运算,将第三层的输出结果输入第四个卷积层,再进行卷积运算f、上一层的输出结果进入第五个卷积层,并将第五个卷积层的输出结果进行max-pooling运算;g、上一层的输出结果进入深度哈希网络的两个全连接层;h、上一层的输出结果进入深度哈希网络的哈希层;i、上一层的输出结果进入深度哈希网络的最后一层,得到图像属于有缺陷与无缺陷两个类别的概率,得出图像分类结果。2.根据权利要求1所述的基于深度哈希网络的铸件缺陷图像检测方法,其特征在于,步骤a中,所述预训练一个卷积神经网络的方法是基于AlexNet图像分类网络,使用此框架在ImageNet上训练网络,得到的网络参数用于训练特定材料铸件图像深度哈希网络的初始参数。3.根据权利要求1所述的基于深度哈希网络的铸件缺陷图像检测方法,其特征在于,步骤b中,网络训练开始之前,网络会计算产生一个均值文件,对于训练集中的每副图像,在进入网络后会在每一个像素点上减去这个全局均值。进入网络训练的图像,会随机裁剪成227×227的碎片。4.根据权利要求1所述的基于深度哈希网络的铸件缺陷图像检测方法,其特征在于,步骤c-h中,网络的进程可以表示成从网络的上一层到网络下一层的一种非线性关系:其中是对于输入图像经过第p层的图像特征输出,Wp和bp分别是第p层的权重和偏置项,fp是ReLu激活函数,其表达式为fp(x)=max(0,x),其中x表示卷积层和全连接层的输出,每一层卷积和全连接层都使用ReLu激活函数,但是在第一层和第二层的ReLu前要进行局部响应归一化操作。5.根据权利要求4所述的基于深度哈希网络的铸件缺陷图像检测方法,其特征在于,步骤c、d中,在使用激活函数之前要进行局部响应归一化LRN,活性定义为:其中∑(...)表示在相同空间位置上转换n个相邻的核映射,N是该层中核的总数,k...
【专利技术属性】
技术研发人员:孙志毅,杨凯,王安红,刘瑞珍,吴贺贺,
申请(专利权)人:太原科技大学,
类型:发明
国别省市:山西,14
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。