一种焊点识别方法技术

本发明专利技术涉及一种焊点识别方法，该方法包括基于Faster‑R‑CNN模型，对汽车门板图像上的焊点进行识别；其中根据样本图像训练Faster‑R‑CNN模型，样本图像是标定的汽车焊点图像；Faster‑R‑CNN模型包括VGG16网络、RPN网络以及Fast‑RCNN网络，RPN网络的输出值接入Fast‑RCNN网络之前，按照分类概率值的大小对RPN网络输出的建议区域进行排序，挑选与检测目标匹配度最优的特定建议区域输入Fast‑RCNN网络，Fast‑RCNN网络输出焊点的定位及分类。该Faster‑R‑CNN模型应用于汽车门板焊点的识别，改进了小目标检测上的缺陷，提高了检测的精度与效率。

A method of solder joint recognition

【技术实现步骤摘要】
一种焊点识别方法
本专利技术涉及图像处理领域，具体涉及一种焊点识别方法。
技术介绍
现有的目标检测所采用的R-CNN(Region-CNN)使用SelectiveSearch生成候选区域，CNN网络提取图像特征，特征分别送入多个线性支持向量机(SVM)二类分类器进行判别，线性脊回归器进行候选框的位置精修。其缺点是各候选区域重复提取特征导致检测速度很慢。为了解决R-CNN算法多个候选区域重复计算的问题，Fast-R-CNN加入了建议区域池化层将不同大小的建议区域对应的特征转为固定大小的区域特征，再分别传入两个全连接层输出，传入传统softmax层进行分类，传入回归器回归候选框，大幅减少了计算开销，避免重复卷积，计算效率进一步提升。但是建议区域的生成速度慢、效率低很大程度地影响识别速度的进一步提升。为了解决上述问题，Faster-R-CNN出现了，但是当前的Faster-R-CN模型在检测小目标时存在检测精度与检测效率低的问题。
技术实现思路
针对现有技术中存在的技术问题，本专利技术的首要目的是提供一种焊点的识别方法。基于该目的本文档来自技高网...

【技术保护点】
1.一种焊点识别方法，其特征在于，所述方法包括：/n基于Faster-R-CNN模型，对焊点进行识别；其中，/n根据样本图像训练Faster-R-CNN模型，所述样本图像是标定的汽车门板焊点图像；所述Faster-R-CNN模型包括VGG16网络、RPN网络以及Fast-RCNN网络，所述RPN网络的输出值接入所述Fast-RCNN网络之前，按照分类概率值的大小对所述RPN网络输出的建议区域进行排序，挑选与检测目标匹配度最优的特定建议区域输入Fast-RCNN网络，所述Fast-RCNN网络输出所述焊点的定位及分类。/n

【技术特征摘要】
1.一种焊点识别方法，其特征在于，所述方法包括：
基于Faster-R-CNN模型，对焊点进行识别；其中，
根据样本图像训练Faster-R-CNN模型，所述样本图像是标定的汽车门板焊点图像；所述Faster-R-CNN模型包括VGG16网络、RPN网络以及Fast-RCNN网络，所述RPN网络的输出值接入所述Fast-RCNN网络之前，按照分类概率值的大小对所述RPN网络输出的建议区域进行排序，挑选与检测目标匹配度最优的特定建议区域输入Fast-RCNN网络，所述Fast-RCNN网络输出所述焊点的定位及分类。


2.根据权利要求1的所述焊点识别方法，其特征在于，所述VGG16网络包含13个卷积层、13个LeakyRelu激活层以及4个池化层。


3.根据权利要求1或2的所述焊点识别方法，其特征在于，Fast-RCNN网络包括建议区域池化层以及两个并列的全连接层，其中建议区域池化层采用最大池化层。


4.根据权利要求3的所述焊点识别方法，其特征在于，所述建议区域包含两种像素尺度以及三种缩放比，所述两种像素尺度为2.828*2.828以及8*8...

【专利技术属性】
技术研发人员：游文婧，张浪文，陈立定，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东;44