【技术实现步骤摘要】
一种钢卷端面的缺陷判别方法、系统及电子设备
本专利技术涉及钢卷端面缺陷计算机自动识别领域，特别涉及一种钢卷端面的缺陷判别方法、系统及电子设备。
技术介绍
在钢铁行业的生产线中，需要对钢卷端面存在的缺陷部分进行检测识别，以提高钢铁生产的质量和效率。现有的钢卷端面缺陷识别可通过神经网络的机器视觉技术去进行智能识别，但目前的钢卷端面的缺陷识别神经网络中，通常做法是将缺陷部分进行语义分割后进行特征识别，但钢卷端面的区域较大，缺陷位置的区域较小，训练样本中的缺陷受钢卷端面特征的影响，导致训练样本中的缺陷语义不足，使钢卷端面的缺陷识别神经网络的训练难以收敛，使得现有的钢卷端面的缺陷识别神经网络的识别准确率较低。
技术实现思路
为了克服目前现有的钢卷端面缺陷识别神经网络识别准确率不足的问题，本专利技术提供钢卷端面的缺陷判别方法、系统及电子设备。本专利技术为解决上述技术问题，提供一技术方案如下：一种钢卷端面的缺陷判别方法，包括如下步骤:步骤S1：获取一初始对抗网络，用无缺陷的真实钢卷端面图像对所述初始对抗网络进行训练，获得钢卷端面对抗网络；步骤S2：获取一待测钢卷端面图像...
【技术保护点】
1.一种钢卷端面的缺陷判别方法，其特征在于：包括如下步骤:步骤S1：获取一初始对抗网络，用无缺陷的真实钢卷端面图像对所述初始对抗网络进行训练，获得钢卷端面对抗网络；步骤S2：获取一待测钢卷端面图像，将待测钢卷端面图像均分为多个第一图像块，并提取每一第一图像块对应的第一特征向量；步骤S3：基于多个第一特征向量，所述待测钢卷端面对抗网络以输出每一第一图像块对应的多个的重构图像，并将每一所述重构图像进行特征提取，获得第二特征向量；及步骤S4：计算第一特征向量与对应的第二特征向量之间的第一损失值，依次判断每一第一特征向量与对应第二特征向量之间的第一损失值是否超过第一阈值，并基于判断...
【技术特征摘要】
1.一种钢卷端面的缺陷判别方法，其特征在于：包括如下步骤:步骤S1：获取一初始对抗网络，用无缺陷的真实钢卷端面图像对所述初始对抗网络进行训练，获得钢卷端面对抗网络；步骤S2：获取一待测钢卷端面图像，将待测钢卷端面图像均分为多个第一图像块，并提取每一第一图像块对应的第一特征向量；步骤S3：基于多个第一特征向量，所述待测钢卷端面对抗网络以输出每一第一图像块对应的多个的重构图像，并将每一所述重构图像进行特征提取，获得第二特征向量；及步骤S4：计算第一特征向量与对应的第二特征向量之间的第一损失值，依次判断每一第一特征向量与对应第二特征向量之间的第一损失值是否超过第一阈值，并基于判断结果判定所述待测钢卷端面图像是否含有缺陷。2.如权利要求1中所述钢卷端面的缺陷判别方法，其特征在于：上述步骤S1具体包括如下步骤：步骤S11：获取一初始对抗网络，将无缺陷的真实钢卷端面图像输入至所述初始对抗网络；步骤S12：初始对抗网络对无缺陷的真实钢卷端面图像进行模拟重构的迭代计算，输出一符合要求的无缺陷的模拟钢卷端面图像；步骤S13：提取真实钢卷端面图像的真实特征向量，并提取模拟钢卷端面图像的模拟特征向量，并计算真实特征向量与模拟特征向量的第二损失值；步骤S14：判断真实特征向量与模拟特征向量的第二损失值是否超过第二阈值，若是，则回到步骤S12，若否，则进入步骤S15；及步骤S15：记录所述无缺陷的模拟钢卷端面图像，获得钢卷端面对抗网络。3.如权利要求1中所述钢卷端面的缺陷判别方法，其特征在于：上述步骤S1之前还包括如下步骤：步骤S100：获取一无缺陷的真实钢卷端面图像，并将所述真实钢卷端面图像均分为多个第二图像块；及4.如权利要求1中所述钢卷端面的缺陷判别方法，其特征在于：步骤S4之后还包括：步骤S5：确认第一损失值超过第一阈值的所有第二图像块的数量，获得超过第一损失值的第二图像块在待测钢卷端面图像上的位置。5.如权利要求1中所述钢卷端面的缺陷判别方法，其特征在于：步骤S2具体包括如下步骤：步骤S21：获取一待测钢卷端面图像，将待测钢卷端面图像均分为多个第一图像块；及步骤S22：基于多个第一图像块分别组合为多个批数据，并将多个批数据依次输入至钢...
【专利技术属性】
技术研发人员：张发恩，范峻铭，黄家水，唐永亮，
申请(专利权)人：创新奇智广州科技有限公司，
类型：发明
国别省市：广东,44
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。