金属油管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金属油管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金属油管缺陷的样本产品图像和多个不存在金属油管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，得到金属油管缺陷检测模型；获取待检测产品图像；将所述待检测产品图像输入所述金属油管缺陷检测模型，以判断是否存在金属油管缺陷。本发明专利技术检测效率较高，人工成本较低，且检测准确率较高。

【技术实现步骤摘要】
金属油管缺陷检测方法和装置
本专利技术涉及机器学习
，具体涉及一种金属油管缺陷检测方法、一种金属油管缺陷检测装置、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
金属油管在初次加工和再加工所得到的产品都有可能存在一些缺陷，例如存在裂纹或扭曲弯折等。存在缺陷的金属油管在实际应用中会存在一定的安全隐患，因此，必要在投入市场前进行缺陷检测。目前对于金属油管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，且会因存在人眼难以发现的缺陷而导致漏检。
技术实现思路
本专利技术为解决上述技术问题，提供了一种金属油管缺陷检测方法和装置，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：一种金属油管缺陷检测方法，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金属油管缺陷的样本产品图像和多个不存在金属油管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，得到金属油管缺陷检测模型；获取待检测产品图像；将所述本文档来自技高网...

【技术保护点】
1.一种金属油管缺陷检测方法，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金属油管缺陷的样本产品图像和多个不存在金属油管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，得到金属油管缺陷检测模型；/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金属油管缺陷检测模型，以判断是否存在金属油管缺陷。/n

【技术特征摘要】
1.一种金属油管缺陷检测方法，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金属油管缺陷的样本产品图像和多个不存在金属油管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，得到金属油管缺陷检测模型；
获取待检测产品图像；
将所述待检测产品图像输入所述金属油管缺陷检测模型，以判断是否存在金属油管缺陷。


2.根据权利要求1所述的金属油管缺陷检测方法，其特征在于，所述神经网络为组集成网络。


3.根据权利要求1或2所述的金属油管缺陷检测方法，其特征在于，获取所述样本产品图像和所述待检测产品图像具体包括：
沿金属油管的周向依次获取金属油管表面的线状图，并将所述线状图拼接为平面图。


4.根据权利要求3所述的金属油管缺陷检测方法，其特征在于，根据预设的转速和拍摄频率，通过旋转金属油管依次拍摄得到金属油管表面的线状图。


5.根据权利要求3所述的金属油管缺陷检测方法，其特征在于，根据预设的转速和拍摄频率，通过旋转相机依次拍摄得到金属油管表面的线状图。

【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