一种基于Faster R‑CNN网络的金属板带表面缺陷检测方法及装置制造方法及图纸
【技术实现步骤摘要】
一种基于FasterR-CNN网络的金属板带表面缺陷检测方法及装置
本专利技术涉及机器视觉
，特别是指一种基于FasterR-CNN网络的金属板带表面缺陷检测方法及装置。
技术介绍
金属板带是汽车、机械制造、化工、航空航天和造船等行业不可缺少的原材料。金属板带表面缺陷是指金属板带在生产加工的过程中，由于工艺或其它各种原因致使金属板带表面局部区域物理或化学性质不均匀。常见的金属板带表面缺陷有辊印、污渍、划痕、孔洞、漏涂、凹陷、气泡、异物、剥落等。表面缺陷是原子活性较高的部位，常常成为金属腐蚀的始发处，表面缺陷的存在会大大降低零件的抗疲劳强度，有损零件表面的质量，影响机器、仪器的使用性能和寿命，影响其最终产品的性能和质量。因此及时检测金属板带表面缺陷，对缺陷进行严重程度评价，对于提高表面质量和产品经济效益有着重要意义。随着我国工业化水平的不断发展，对金属板带表面质量的要求也越来越高，如何快速准确地检测出表面缺陷成为金属板带轧制过程中非常关键的一个环节。目前主流的表面缺陷检测技术均为以图像处理为基础的机器视觉技术，基本分为两步：(1)先对通过工业相机获得的图像进行...
【技术保护点】
一种基于Faster R‑CNN网络的金属板带表面缺陷检测方法，其特征在于，包括：采集用于训练Faster R‑CNN网络的金属板带表面的图像；对采集到的所述金属板带表面的图像进行数据增强；将采集到的所述金属板带表面的图像及数据增强后得到的图像中的缺陷部分用矩形框进行标注，获取所述矩形框的坐标与所述矩形框所包含缺陷的种类；根据采集到的所述金属板带表面的图像及数据增强后得到的图像，及获取的所述矩形框的坐标与所述矩形框所包含缺陷的种类对Faster R‑CNN网络进行训练；实时采集待检测的金属板带表面图像，根据训练好的Faster R‑CNN网络和实时采集到的待检测的金属板带表...
【技术特征摘要】
1.一种基于FasterR-CNN网络的金属板带表面缺陷检测方法，其特征在于，包括：采集用于训练FasterR-CNN网络的金属板带表面的图像；对采集到的所述金属板带表面的图像进行数据增强；将采集到的所述金属板带表面的图像及数据增强后得到的图像中的缺陷部分用矩形框进行标注，获取所述矩形框的坐标与所述矩形框所包含缺陷的种类；根据采集到的所述金属板带表面的图像及数据增强后得到的图像，及获取的所述矩形框的坐标与所述矩形框所包含缺陷的种类对FasterR-CNN网络进行训练；实时采集待检测的金属板带表面图像，根据训练好的FasterR-CNN网络和实时采集到的待检测的金属板带表面图像，实时检测金属板带表面是否有缺陷，并对检测到的缺陷进行分类和定位。2.根据权利要求1所述的基于FasterR-CNN网络的金属板带表面缺陷检测方法，其特征在于，所述对采集到的所述金属板带表面的图像进行数据增强包括：通过翻转、平移策略对采集到的所述金属板带表面的图像进行数据增强。3.根据权利要求1所述的基于FasterR-CNN网络的金属板带表面缺陷检测方法，其特征在于，所述将采集到的所述金属板带表面的图像及数据增强后得到的图像中的缺陷部分用矩形框进行标注，获取所述矩形框的坐标与所述矩形框所包含缺陷的种类包括：将采集到的所述金属板带表面的图像及数据增强后得到的图像中的缺陷部分用矩形框进行标注，获取所述矩形框的中心点坐标，所述矩形框的宽度、高度，及所述矩形框所包含缺陷的种类；将采集到的所述金属板带表面的图像及数据增强后得到的图像、获取的所述矩形框的中心点坐标、所述矩形框的宽度与高度、及所述矩形框所包含缺陷的种类生成数据集。4.根据权利要求1所述的基于FasterR-CNN网络的金属板带表面缺陷检测方法，其特征在于，在根据采集到的所述金属板带表面的图像及数据增强后得到的图像，及获取的所述矩形框的坐标与所述矩形框所包含缺陷的种类对FasterR-CNN网络进行训练之前，所述方法还包括：根据要检测的缺陷类别，修改FasterR-CNN网络所能检测的总的缺陷类别，并为每一个要检测的缺陷类别分配固定的编号。5.根据权利要求3所述的基于FasterR-CNN网络的金属板材表面缺陷检测方法，其特征在于，所述根据实时采集到的所述金属板带表面的图像及数据增强...
【专利技术属性】
技术研发人员：李江昀，任起锐，张杰，左磊，
申请(专利权)人：北京科技大学，
类型：发明
国别省市：北京,11
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。