一种基于级联卷积神经网络的表面疵点检测方法技术

本发明专利技术涉及一种基于级联卷积神经网络的表面疵点检测方法，搭建基于Cascade R‑CNN的疵点检测网络，以训练并优化后的疵点检测网络对工业相机实时采集待检测产品的图像进行检测。本发明专利技术将Cascade R‑CNN改进为疵点检测网络，不需人工提取疵点区域和疵点特征，在定位疵点的同时进行分类，以Cascade R‑CNN作为基础检测网络架构，其优秀的检测性能使疵点的定位和分类精度上都更有优势，以ResNeXt增强特征提取能力；以FPN针对细小疵点检测，以可变形卷积和增加锚点框适应疵点的各种形状尺度，疵点具有足够大的感受野，提升各种极端疵点的检测效果，并调节非极大值抑制的阈值，使检测准确率进一步提升。

【技术实现步骤摘要】
一种基于级联卷积神经网络的表面疵点检测方法
本专利技术属于深度学习技术在机器视觉检测领域的应用，具体涉及一种基于级联卷积神经网络的表面疵点检测方法。
技术介绍
工业产品在生产过程中产生的表面疵点严重影响着产品本身的质量，如何检测表面疵点以对产品进行质量控制一直是生产企业面临的重大问题。中国作为一个制造业大国，由于劳动力成本低，生产的工业产品相对价格低廉，故备受国外消费者的青睐。但随着我国的劳动力素质上升，人口红利正逐渐消失，未来许多企业会面临高质量标准和高人力成本的巨大压力。对产品的疵点检测是我国工业生产中耗费人力成本较多的环节，例如在纺织行业中，依靠人工验布检测速度通常只有5-10m/min，且工人高度集中地工作一段时间后必然会产生视觉疲劳，许多疵点会被遗漏，漏检率可达30％以上，已经难以适应高速的生产需求。近几年，随着光学技术、数字电路技术和图像处理技术的快速发展，机器视觉已经在工业表面疵点检测领域中得到越来越广泛的应用，产品疵点的自动检测已经成为必然趋势。目前针对疵点检测的研究已经涉及多个生产领域，主要有布匹、皮革、塑料、金属、纸本文档来自技高网...

【技术保护点】
1.一种基于级联卷积神经网络的表面疵点检测方法，其特征在于：/n所述方法包括以下步骤：/n步骤1：搭建基于Cascade R-CNN的疵点检测网络；/n步骤2：训练并优化所述疵点检测网络；/n步骤3：使用工业相机实时采集待检测产品的图像；/n步骤4：利用训练并优化后的疵点检测网络对图像进行检测。/n

【技术特征摘要】
1.一种基于级联卷积神经网络的表面疵点检测方法，其特征在于：
所述方法包括以下步骤：
步骤1：搭建基于CascadeR-CNN的疵点检测网络；
步骤2：训练并优化所述疵点检测网络；
步骤3：使用工业相机实时采集待检测产品的图像；
步骤4：利用训练并优化后的疵点检测网络对图像进行检测。


2.根据权利要求1所述的一种基于级联卷积神经网络的表面疵点检测方法，其特征在于：所述步骤1中，基于CascadeR-CNN的疵点检测网络包括顺次配合设置的以下结构：
(1)ResNeXt网络，作为特征提取网络，输出的特征图输入至FPN；
(2)特征金字塔FPN，FPN所有输出的新特征图输入至RPN网络；
(3)区域建议网络RPN，用于在FPN生成的所有新特征图上生成不同大小、不同尺寸的锚点框，由两个3×3卷积层分别预测这些锚点框的分数和坐标修正值，锚点框经坐标修正后，作为候选框输入至后续的级联网络中；
(4)级联网络。


3.根据权利要求2所述的一种基于级联卷积神经网络的表面疵点检测方法，其特征在于：所述ResNeXt网络包括5个卷积部分，每个卷积部分由若干个基本的卷积单元块堆叠组成，每个卷积部分中均采用可变形卷积，输入图像在经过每个卷积部分的运算后即生成特征图，且每经过一个卷积部分，特征图的分辨率缩小一半，后四个卷积部分输出的特征图均输入至FPN。


4.根据权利要求3所述的一种基于级联卷积神经网络的表面疵点检测方法，其特征在于：所述ResNeXt网络其中，C为卷积部分个数，x、y分别为输入和输出，Ti(x)为单个卷积部分中卷积单元块的堆叠结构。


5.根据权利要求3所述的一种基于级联卷积神经网络的表面疵点检测方法，其特征在于：所述ResNeXt网络中，每个卷积部分使用3×3的可变形卷积核，卷积后输出的像素值为y(p0)，其中，p0为当前卷积窗口的中心点，p0+pn为标准卷积窗口中的每个采样点，△pn为对标准卷积核中的每个采样点的位置增加的偏移变量，R为卷积核的大小，w为卷积核中的系数，x为当前卷积窗口中每个像素点的像素值。


6.根据权利要求3所述的一种基于级联卷积神经网络的表面疵点检测方法，其特征在于：所述特征金字塔...

【专利技术属性】
技术研发人员：朱威，任振峰，陈悦峰，岑宽，何德峰，郑雅羽，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江;33