The invention discloses an industrial X optical image classification method, which realizes the automation of the nondestructive detection detection link in the industrial production process, and can replace the rapid classification of the disease fault types by the artificial X light images produced by the link. The invention also improves the effect of the bottom print on the recognition of the disease image. By putting forward the bottom grain function, the original image is constructed, and the difference between the original and the pure base pattern is used to remove the bottom lines in the original image to a certain extent, and the accuracy of the image classification is greatly improved. In addition, the invention reduces the training time and ensures the efficiency of the method by utilizing the residual in the training process of the neural network.
【技术实现步骤摘要】
一种工业X光图像的分类方法
本专利技术属于工业图像分类
,具体涉及一种工业X光图像的分类方法。
技术介绍
质量检验在工业界中是控制产品质量的一种重要手段,但是目前很多产品成型后都无法从表面对产品内部的结构性问题进行检验,因而产生了一些无损探伤检测的方法。这些无损探伤检测方法中,大部分是利用射线穿透金属,形成能反映一定内部结构的图像,然后人工进行识别。目前工业界在使用的主要方法是雇佣相应的技术工人,凭借个人知识对产品的X光图片进行判断,确定产品是否有问题以及存在问题的种类。但是这种传统的方法,因为对人力的大规模使用,也存在一些问题:(1)这种方法要求工人熟悉产品的内部结构,能够将图片中的内容与实际产品联系起来,这样就要求工人有长时间相关的工作经验并需要加以培训;(2)工人长期在X光设备附近工作,在工厂的维护下高频率生成X光图片,很难保证不受到辐射环境的侵害,可能会对身体健康造成影响;(3)工人在品质检验过程中,需要长时间、大频率、高精力进行X光图像的查看与判断,由于工作状态、个体差异等多种与人相关的因素,可能对结果造成人为的影响。此外还有根据带钢表面缺陷图像具有复杂纹理结构、包含大量干扰信息、具备高维非线性几何结构等特点,提出的基于监督双限制连接等距映射(Isomap)方法的带钢表面缺陷图像降维方法,用于对产品是否有缺陷和缺陷类型做分类。但是其在工业上的应用,往往是根据研究者的先验知识,通过滤波、降维等等的特征抽取手段,对其特定的应用场景能有比较好的应用效果,但缺乏相对的灵活性,而且先验知识及人工特征抽取的过程对结果有着很大的影响。
技术实现思路
鉴于上述 ...
【技术保护点】
一种工业X光图像的分类方法,包括如下步骤:(1)获取由大量关于目标对象工业X光图像组成的数据库,将该数据库转换成VOC格式,并使数据库中的图像分为训练集、验证集和测试集,所述图像事先通过人工的方式标记有ROI及其分类信息;(2)对数据库中的图像进行锐化处理,得到锐化数据集;(3)对于锐化数据集中的任一图像,使其与底纹图片进行差值化处理以确定该图像对应的正值图和负值图;(4)使训练集得到的正值图和负值图组成样本集合,并利用样本集合中的图像逐一输入至由ResNet与RPN组成的神经网络中进行训练,进而将该神经网络的输出结果作为Softmax分类器的输入,ROI的分类信息作为Softmax分类器的输出以对其进行训练,得到工业X光图像的分类模型;(5)利用验证集对该分类模型进行调试,利用测试集对调试后的分类模型进行分类测试。
【技术特征摘要】
1.一种工业X光图像的分类方法,包括如下步骤:(1)获取由大量关于目标对象工业X光图像组成的数据库,将该数据库转换成VOC格式,并使数据库中的图像分为训练集、验证集和测试集,所述图像事先通过人工的方式标记有ROI及其分类信息;(2)对数据库中的图像进行锐化处理,得到锐化数据集;(3)对于锐化数据集中的任一图像,使其与底纹图片进行差值化处理以确定该图像对应的正值图和负值图;(4)使训练集得到的正值图和负值图组成样本集合,并利用样本集合中的图像逐一输入至由ResNet与RPN组成的神经网络中进行训练,进而将该神经网络的输出结果作为Softmax分类器的输入,ROI的分类信息作为Softmax分类器的输出以对其进行训练,得到工业X光图像的分类模型;(5)利用验证集对该分类模型进行调试,利用测试集对调试后的分类模型进行分类测试。2.根据权利要求1所述的分类方法,其特征在于:所述步骤(1)中将数据库转换成VOC格式的具体方法为:创建Annotations、ImageSets和JPEGImages三个目录,其中目录Annotations用于存放每张图像对应的XML描述文件,目录JPEGImages用于存放图像,目录ImageSets存放有train.txt、val.txt、test.txt三个文件,分别记录训练集、验证集和测试集中包含的图像文件名。3.根据权利要求1所述的分类方法,其特征在于:所述步骤(2)中对数据库中的图像进行锐化处理,具体方法为:首先根据方差σ=1.5的高斯分布曲线对图像做半径为1的高斯模糊得到对应的高斯模糊图;然后根据公...
【专利技术属性】
技术研发人员:罗智凌,晁德文,李莹,尹建伟,吴朝晖,
申请(专利权)人:浙江大学,
类型:发明
国别省市:浙江,33
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。