一种基于语义分割的密封圈表面缺陷检测方法技术

本发明专利技术公开了一种基于语义分割的密封圈表面缺陷检测方法，其包括：根据合格密封圈图像与不合格密封圈图像，确定所需检测的密封圈图像的缺陷类型；采集密封圈图像并进行预处理；对所述预处理后的图像进行像素级别的缺陷标注，并将原始密封圈图像及其对应的标注信息作为样本数据集；对所述样本数据集进行数据增强，得到训练集、测试集和验证集；构建语义分割缺陷检测模型，并将所述训练集、测试集和验证集输入语义分割缺陷检测网络进行训练，得到训练好的语义分割缺陷检测模型；将待检测的密封圈图像输入训练好的语义分割缺陷检测模型进行缺陷检测，得到对应输出的具有缺陷种类的标签图像，获得缺陷检测结果。本发明专利技术所提出的方法能够自动化、高精度的对密封圈表面进行缺陷检测。

A method of sealing ring surface defect detection based on semantic segmentation

【技术实现步骤摘要】
一种基于语义分割的密封圈表面缺陷检测方法
本专利技术属于工业产品表面缺陷检测领域，具体涉及一种基于语义分割的密封圈表面缺陷检测方法。
技术介绍
当前，工业自动化水平越来越高，消费者对产品质量要求也愈加严格，产品质量关乎生产厂商的生命线和未来发展，缺陷检测技术被广泛应用于布匹瑕疵检测、工件表面质量检测、航空航天领域等。工业产品检测不仅可以保证产品质量，还可以反映生产工艺中存在的问题，是工业生产中必不可少的环节。目前，工业界普遍采取的产品缺陷检测的方式主要有两种：(1)人工检测；(2)基于机器视觉的检测方法。其中，人工检测存在效率低、成本高、人工易产生疲倦等诸多缺点；在大批量工业生产中，基于机器视觉的缺陷检测方法在准确率、速度、成本等方面都优于人工方法，因此，采用基于机器视觉的智能检测手段来取代人工方法是工业质量检测的必然趋势。早期基于机器视觉的检测方法大多依赖于手工设计的特征，过程繁复，效果不佳，近年来，随着以卷积神经网络为代表的深度学习在目标检测等领域的广泛应用，研究者也逐渐开始将其应用到工业缺陷检测领域，让计算机自动从工业产品图像数据本文档来自技高网...

【技术保护点】
1.一种基于语义分割的密封圈表面缺陷检测方法，其特征在于，所述方法包括以下步骤：/n根据合格密封圈图像与不合格密封圈图像，确定所需检测的密封圈图像的缺陷类型；/n采集密封圈图像并进行预处理；/n对所述预处理后的图像进行像素级别的缺陷标注，并将原始密封圈图像及其对应的标注信息作为样本数据集；/n对所述样本数据集进行数据增强，得到训练集、测试集和验证集；/n构建语义分割缺陷检测模型，并将所述训练集、测试集和验证集输入语义分割缺陷检测网络进行训练，得到训练好的语义分割缺陷检测模型；其中，所述语义分割缺陷检测网络包括语义分割缺陷检测模型；/n将待检测的密封圈图像输入训练好的语义分割缺陷检测模型进行缺陷...

【技术特征摘要】
1.一种基于语义分割的密封圈表面缺陷检测方法，其特征在于，所述方法包括以下步骤：
根据合格密封圈图像与不合格密封圈图像，确定所需检测的密封圈图像的缺陷类型；
采集密封圈图像并进行预处理；
对所述预处理后的图像进行像素级别的缺陷标注，并将原始密封圈图像及其对应的标注信息作为样本数据集；
对所述样本数据集进行数据增强，得到训练集、测试集和验证集；
构建语义分割缺陷检测模型，并将所述训练集、测试集和验证集输入语义分割缺陷检测网络进行训练，得到训练好的语义分割缺陷检测模型；其中，所述语义分割缺陷检测网络包括语义分割缺陷检测模型；
将待检测的密封圈图像输入训练好的语义分割缺陷检测模型进行缺陷检测，得到对应输出的具有缺陷种类的标签图像，获得缺陷检测结果。


2.根据权利要求1所述方法，其特征在于，所述的密封圈缺陷类型为：缺料、裂缝。


3.根据权利要求1所述方法，其特征在于，所述采集密封圈表面图像并进行预处理，具体包括：
在环形光源的打光条件下，使用工业相机拍摄密封圈图像；
对所述密封圈图像进行图像预处理。


4.根据权利要求3所述方法，其特征在于，所述的图像预处理包括图像灰度化、和图像尺寸归一化。


5.根据权利要求1所述方法，其特征在于，所述对所述预处理后的图像进行像素级别的缺陷标注，并将原始密封圈图像及其对应的标注信息作为样本数据集，包括：
使用标注软件LabelMe对密封圈图像进行标注，标注出缺陷的类型和区域，形成相对应的PNG标注文件，并将原始...

【专利技术属性】
技术研发人员：朱登明，王素琴，石敏，乔昆磊，
申请(专利权)人：太仓中科信息技术研究院，
类型：发明
国别省市：江苏;32