钢带缺陷检测方法和装置制造方法及图纸

本发明专利技术提供一种钢带缺陷检测方法和装置，所述方法包括以下步骤：获取样本数据集，其中，所述样本数据集中包含多个存在钢带缺陷的样本产品图像和多个不存在钢带缺陷的样本产品图像；通过所述样本数据集对神经网络进行训练，得到钢带缺陷检测模型，其中，在训练时采用添加了Quant‑Noise的乘积量化算法；获取待检测产品图像；将所述待检测产品图像输入所述钢带缺陷检测模型，以判断是否存在钢带缺陷。本发明专利技术能够适用于快速卷动的钢卷钢带的缺陷检测，检测效率较高，人工成本较低，且检测准确率较高。

【技术实现步骤摘要】
钢带缺陷检测方法和装置
本专利技术涉及深度学习
，具体涉及一种钢带缺陷检测方法、一种钢带缺陷检测装置、一种计算机设备、一种非临时性计算机可读存储介质和一种计算机程序产品。
技术介绍
表面质量是钢带质量的一项重要指标，随着科学技术的不断发展，对钢带表面质量的要求越来越高。钢带在生产完成后可能存在一些缺陷，例如缺损、错位等，因此有必要在投入市场或深加工前进行缺陷检测。目前对于钢带缺陷的检测大多是通过人工视力观察的方式来完成的，速度慢，效率低下，人工成本高，而机器辅助的方式又存在误报频繁和难以适用于快速卷动的钢卷钢带检测的问题。
技术实现思路
本专利技术为解决上述技术问题，提供了一种钢带缺陷检测方法和装置，能够适用于快速卷动的钢卷钢带的缺陷检测，检测效率较高，人工成本较低，且检测准确率较高。本专利技术采用的技术方案如下：一种钢带缺陷检测方法，包括以下步骤：获取样本数据集，其中，所述样本数据集中包含多个存在钢带缺陷的样本产品图像和多个不存在钢带缺陷的样本产品图像；通过所述样本数据集对神经网络进行训练，得本文档来自技高网...

【技术保护点】
1.一种钢带缺陷检测方法，其特征在于，包括以下步骤：/n获取样本数据集，其中，所述样本数据集中包含多个存在钢带缺陷的样本产品图像和多个不存在钢带缺陷的样本产品图像；/n通过所述样本数据集对神经网络进行训练，得到钢带缺陷检测模型，其中，在训练时采用添加了Quant-Noise的乘积量化算法；/n获取待检测产品图像；/n将所述待检测产品图像输入所述钢带缺陷检测模型，以判断是否存在钢带缺陷。/n

【技术特征摘要】
1.一种钢带缺陷检测方法，其特征在于，包括以下步骤：
获取样本数据集，其中，所述样本数据集中包含多个存在钢带缺陷的样本产品图像和多个不存在钢带缺陷的样本产品图像；
通过所述样本数据集对神经网络进行训练，得到钢带缺陷检测模型，其中，在训练时采用添加了Quant-Noise的乘积量化算法；
获取待检测产品图像；
将所述待检测产品图像输入所述钢带缺陷检测模型，以判断是否存在钢带缺陷。


2.根据权利要求1所述的钢带缺陷检测方法，其特征在于，所述样本产品图像和所述待检测产品图像均为在漫反射环境中连续曲面打光下获取的。


3.根据权利要求2所述的钢带缺陷检测方法，其特征在于，在获取到所述样本数据集或所述待检测产品图像后，还包括：
采用邻域聚类法对自然光像素点进行分类，并进行滤波。


4.根据权利要求3所述的钢带缺陷检测方法，其特征在于，所述神经网络为VGG网络或Inception网络。


5.一种钢带缺陷检测装置，其特征在于，包括：
第一获取模块，所述第一获取模块用于获取样本数据集，其中，所述样本数据集中包含多个存在钢带缺陷的样本产品图像和多个不存在钢带缺陷的样本产品图像；
训练模块，所述训练模块用于通过所述样本数据集对神经网络进...

【专利技术属性】
技术研发人员：陈海波，段艺霖，
申请(专利权)人：深兰人工智能芯片研究院江苏有限公司，深兰科技上海有限公司，
类型：发明
国别省市：江苏;32