一种基于FPN的钢材表面瑕疵检测方法技术

本发明专利技术涉及一种基于FPN的钢材表面瑕疵检测方法，包括：步骤1：获取数据集并对数据集进行划分，同时获取数据集中图像对应的瑕疵标签，构成标签集；步骤2：对数据集进行预处理；步骤3：构建基于FPN的钢材表面瑕疵检测模型；步骤4：对瑕疵检测模型进行训练；步骤5：对完成训练的瑕疵检测模型进行测试，判断模型精度是否达到预设阈值，若是，则执行步骤7，否则，返回步骤5；步骤6：使用瑕疵检测模型对钢材表面进行瑕疵检测，获取检测结果，并对检测结果进行可视化处理。与现有技术相比，本发明专利技术具有精确、高效、端到端、检测精度高等优点。

【技术实现步骤摘要】
一种基于FPN的钢材表面瑕疵检测方法
本专利技术涉及钢材表面瑕疵检测
，尤其是涉及一种基于FPN的钢材表面瑕疵检测方法。
技术介绍
瑕疵检测是现代工业制造中保证生产质量的关键环节。其中，钢板表面瑕疵检测就是瑕疵检测一个典型的应用案例。无论是在工业领域的设备，还是日常生活生产中的产品，钢材料都非常常见，其表面和内部质量是至关重要的，小小的缺陷如裂纹、变形都会极大程度的影响其外观、质量和使用寿命。传统工业生产制造通常采用人工识别的方法，该方法利用抽查、肉眼观测的方式，因而具有抽检率低、准确性不高、实时性差、效率低、劳动强度大、受人工经验和主观因素影响大的缺点。机器视觉识别是一种无接触、无损伤的在线自动识别技术，具有安全可靠、生产效率高和可在恶劣环境下长时间工作的特点，是实现设备自动化、智能化和精确快速的识别产品表面瑕疵缺陷的有效手段。传统的机器视觉识别过程是通过图像传感器(如CMOS相机)获取金属材料的表面图像，利用相应的图像处理算法提取图像的特征信息，然后利用这些特征信息实现材料表面瑕疵的识别、分类和检测。>传统基于机器视觉的本文档来自技高网...

【技术保护点】
1.一种基于FPN的钢材表面瑕疵检测方法，其特征在于，包括：/n步骤1：获取数据集并对数据集进行划分，同时获取数据集中图像对应的瑕疵标签，构成标签集；/n步骤2：对数据集进行预处理；/n步骤3：构建基于FPN的钢材表面瑕疵检测模型，使用语义分割的方式进行钢材表面瑕疵检测；/n步骤4：对瑕疵检测模型进行训练；/n步骤5：对完成训练的瑕疵检测模型进行测试，判断模型精度是否达到预设阈值，若是，则执行步骤7，否则，返回步骤5；/n步骤6：使用瑕疵检测模型对钢材表面进行瑕疵检测，获取检测结果，并对检测结果进行可视化处理。/n

【技术特征摘要】
1.一种基于FPN的钢材表面瑕疵检测方法，其特征在于，包括：
步骤1：获取数据集并对数据集进行划分，同时获取数据集中图像对应的瑕疵标签，构成标签集；
步骤2：对数据集进行预处理；
步骤3：构建基于FPN的钢材表面瑕疵检测模型，使用语义分割的方式进行钢材表面瑕疵检测；
步骤4：对瑕疵检测模型进行训练；
步骤5：对完成训练的瑕疵检测模型进行测试，判断模型精度是否达到预设阈值，若是，则执行步骤7，否则，返回步骤5；
步骤6：使用瑕疵检测模型对钢材表面进行瑕疵检测，获取检测结果，并对检测结果进行可视化处理。


2.根据权利要求1所述的一种基于FPN的钢材表面瑕疵检测方法，其特征在于，所述的步骤1具体为：
获取数据集并将数据集划分为训练集和测试集，数据集中包括四种瑕疵类别的钢材表面图像；
所述的标签集的获取方法具体为：首先将图像像素按行展开排列成长度为1600*256的向量形式，对于各个类别瑕疵范围按照位置对的格式存储在csv数据文件中，构成标签集。


3.根据权利要求2所述的一种基于FPN的钢材表面瑕疵检测方法，其特征在于，所述的位置对具体为(瑕疵起始位置，瑕疵长度)。


4.根据权利要求2所述的一种基于FPN的钢材表面瑕疵检测方法，其特征在于，所述的四种瑕疵类别包括表面缺口类瑕疵、单垂直裂纹类瑕疵、多垂直裂纹类瑕疵和大面积划痕类瑕疵。


5.根据权利要求2所述的一种基于FPN的钢材表面瑕疵检测方法，其特征在于，所述的步骤2具体为：
对数据集中的图像进行标准化处理以及向量化处理，然后通过随机裁剪和随机翻转对数据集进行数据增强操作，获得经过扩展的数据集，同时根据标签集生成每张图像的标签掩码Mask；
所述的标签掩码Mask由四通道0/1掩码组成，分别对应四种不用的瑕疵类型。


6.根据权利要求1所述的一种基于FPN的钢材表面瑕疵检测方法，其特征在于，所述...

【专利技术属性】
技术研发人员：尤鸣宇，王伟昊，周洪钧，
申请(专利权)人：同济大学，
类型：发明
国别省市：上海;31