【技术实现步骤摘要】
一种基于卷积神经网络的冰柜表面缺陷检测
本专利技术涉及图像分类和目标检测的计算机视觉领域，尤其涉及一种基于卷积神经网络的冰柜表面缺陷检测。
技术介绍
随着人工智能领域的飞速发展，计算机视觉技术逐渐融入到人们的生活中并且正在改变着人们的生活、经营、生产方式，为各行各业的发展提供了更有力的支撑。然而，对于大型制造企业而言，在大数据时代的背景下，如何处理和利用好在生产活动中收集到的海量数据，对制造业降低成本、提高效率起到至关重要的作用。从实际生产中可以发现，当前的制造冰柜的企业在对冰柜表面进行缺陷检测时，仍然通过人工方式一个个查看。这种方式消耗的人力大，检测的结果往往依赖于肉眼，可能会出现遗漏等。并且人工检测的效率非常低，只能对产品抽样检测，无法做到大规模快速检测。因此，为了提高检测效率、减少人工成本和干预，考虑采用计算机视觉技术解决对冰柜表面缺陷的检测。这种方法以冰柜表面的图像作为数据输入到检测模型，然后自动识别出图像中是否存在缺陷，如果存在则标注出缺陷的具体位置并输出标注好后的图像，如果不存在则直接输出...
【技术保护点】
1.一种基于卷积神经网络的冰柜表面缺陷检测，其特征在于，首先构建Cascade R-CNN目标检测模型，然后基于训练数据集进行模型训练，再使用验证数据集对其进行验证，并根据验证结果调整模型结构后进一步进行训练，最后将测试图片输入模型，输出测试结果，所述方法具体过程为：/n步骤一：根据任务需要，选择合适的目标检测基础架构，并进一步选择合适的backbone网络结构；/n步骤二：构建目标检测网络模型，采用数据增强方法扩充训练数据集并进行训练，然后在验证数据集上进行验证；/n步骤三：根据验证结果，对模型结构和训练策略进一步优化，并重新进行训练和验证；/n步骤四：将测试数据放入模型...
【技术特征摘要】
1.一种基于卷积神经网络的冰柜表面缺陷检测，其特征在于，首先构建CascadeR-CNN目标检测模型，然后基于训练数据集进行模型训练，再使用验证数据集对其进行验证，并根据验证结果调整模型结构后进一步进行训练，最后将测试图片输入模型，输出测试结果，所述方法具体过程为：
步骤一：根据任务需要，选择合适的目标检测基础架构，并进一步选择合适的backbone网络结构；
步骤二：构建目标检测网络模型，采用数据增强方法扩充训练数据集并进行训练，然后在验证数据集上进行验证；
步骤三：根据验证结果，对模型结构和训练策略进一步优化，并重新进行训练和验证；
步骤四：将测试数据放入模型，产生最后的预测结果，并通过可视化对比实际结果。
2.根据权利要求1所述一种基于卷积神经网络的冰柜表面缺陷检测，其特征在于：所诉步骤一中根据任务需要，选择合适的目标检测基础架构，并进一步选择合适的backbone网络结构；具体过程为：
1)确认本次任务的目标是准确检测冰柜表面的缺陷，并标识出缺陷的位置并打上NG标签，如果不存在缺陷，则输出结果打上OK标签；
2)基于任务的精确度要求，选择CascadeR-CNN为本次检测任务的基础架构，其优点在能够更精确的标识出缺陷位置；
3)检测模型的backbone要求能够对物体的分类更加精确，对比ResNet50、Res101、ResNet152的分类精度和模型速度；
4)挑选ResNet50作为本次任务的backbone。
3.根据权利要求1所述一种基于卷积神经网络的冰柜表面缺陷检测，其特征在于：所诉步骤二中构建目标检测网络模型，采用数据增强方法扩充训练数据集并进行训练，然后在验证数据集上进行验证；具体过程为：
1)构建ResNet50和CascadeR-CNN模型；
2)数据增强方法有很多，比如：Resize、RandomFlip、RandomCrop、RandomScale等，针对本次任务的数据集，选择Resize、RandomFlip、RandomCrop方法扩充数据；
3)训练参数设置如下，epoch为13、SGD作为优化器、初始learningrate设置为0.02，momentum设置为0.9，weight_delay设置为0.0001，batch_size为2；4)实验环境设置，系统为Ubuntu16.0.4、GPU为GTX1080Ti、CPU为Cor...
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。