【技术实现步骤摘要】
一种基于小样本深度卷积神经网络用于工业磁瓦缺陷图像分类和分割的方法
本专利技术涉及工业缺陷图像处理
，具体是一种基于小样本深度卷积神经网络用于工业磁瓦缺陷图像分类和分割的方法。
技术介绍
工业化产品在我们的生活中随处可见，极大的方便了我们的生活。在工业化生产过程中，由于多方面的原因会生产出一些带有缺陷的产品，给工厂产品的销售带来的一定的影响，因此，就需要在生产中及时的发现产品是否有缺陷以及缺陷的位置，但是在生活中工业产品种类繁多，在这些缺陷中，部分缺陷是很容易识别出来，而有的缺陷很难区分出来，需要专业人士的指导，如果仅仅使用人工识别的方法，很容易充满主观性，且工作复杂，耗时耗力，效率低，因此，工业上迫切的需要采取有效的方法，避免人工识别中出现的问题。随着计算机视觉的发展，特别是监督学习方向的快速进步，工业缺陷图像的自动化分类和识别研究取得了极大的进步，传统的机器学习的方法，需要人工的手动提取缺陷图像的特征，再把特征放入到分类器中进行分类和识别，虽然机器学习的方法也取得了一定的进步，但提取特征的质量极大的...
【技术保护点】
1.一种基于小样本深度卷积神经网络用于工业磁瓦缺陷图像分类和分割的方法，其特征在于，包括：数据采集装置，智能处理系统，产品下放装置和数据库系统，该方法为以下步骤：/nS1、先利用数据采集装置对工业生产流水线中的产品图像进行采集，然后传输给智能处理系统和数据库系统；/nS2、通过智能处理系统接收来自数据采集装置传来的工业产品图像，经过数据预处理模块进行一定的处理，再通过智能分类分割模块对有缺陷的产品进行分类并标定出缺陷的位置，然后将处理后的图像上传到数据库系统保存；/nS3、在上述过程中，利用产品下放装置把有缺陷的产品和没有缺陷的产品，或者不同缺陷的产品分别下放到不同的区域存放。/n
【技术特征摘要】
1.一种基于小样本深度卷积神经网络用于工业磁瓦缺陷图像分类和分割的方法，其特征在于，包括：数据采集装置，智能处理系统，产品下放装置和数据库系统，该方法为以下步骤：
S1、先利用数据采集装置对工业生产流水线中的产品图像进行采集，然后传输给智能处理系统和数据库系统；
S2、通过智能处理系统接收来自数据采集装置传来的工业产品图像，经过数据预处理模块进行一定的处理，再通过智能分类分割模块对有缺陷的产品进行分类并标定出缺陷的位置，然后将处理后的图像上传到数据库系统保存；
S3、在上述过程中，利用产品下放装置把有缺陷的产品和没有缺陷的产品，或者不同缺陷的产品分别下放到不同的区域存放。
2.根据权利要求1所述的一种基于小样本深度卷积神经网络用于工业磁瓦缺陷图像分类和分割的方法，其特征在于，所述数据采集装置包括摄像装置和产品翻转模块，所述摄像装置用于拍摄流水线上产品的表面图像，并上传到数据库系统和智能处理系统中；所述摄像装置是搭建在流水线上的摄像头，所述产品翻转模块用于翻转流水线上的产品，使摄像头能够拍摄到产品的正反两面。
3.根据权利要求1所述的一种基于小样本深度卷积神经网络用于工业磁瓦缺陷图像分类和分割的方法，其特征在于，所述智能处理系统是一种基于神经网络搭建的集分类和分割为一体的工业缺陷图像处理系统，该智能处理系统包括数据预处理模块和智能分类分割模块。
4.根据权利要求3所述的一种基于小样本深度卷积神经网络用于工业磁瓦缺陷图像分类和分割的方法，其特征在于，所述数据预处理模块用于接收来自摄像头传送的产品表面图像，通过patch切割的方法对收集到的样本进行处理，然后把处理后的图像随机分成训练集和测试集，两个集合的比例是8：2。
5.根据权利要求4所述的一种基于小样本深度卷积神经网络用于工业磁瓦缺陷图像分类和分割的方法，其特征在于，所述patch图像切割方法类似于卷积操作，通过滑动切割的方法把输入的图像切割成大小为64*64，并通过筛选，删除不可用样本，即：给定一个输入分辨率为M×N的图像，设置网络处理图像大小m×m，步长为s，则滑动切割可得样本个数为：其中int()表示取整。
6.根据权利要求3所述的一种基于小样本深度卷积神经网络用于工业磁瓦缺陷图像分类和分割的方法，其特征在于，所述智能分类分割模块包括：编码层，全连接层，解码层，后处理网络，其中；
所述编码层，用于将数据预处理模块处理后的图像，按照批的方法输入到编码层...
【专利技术属性】
技术研发人员：陈鹏，吴江，章军，王兵，
申请(专利权)人：安徽大学，
类型：发明
国别省市：安徽;34
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。