一种实现飞机蒙皮喷漆表面缺陷检测与分类的方法技术

本发明专利技术公开了一种实现飞机蒙皮喷漆表面缺陷检测与分类的方法，包括如下步骤：S1、采集飞机蒙皮喷漆表面的图像；S2、基于表面平滑度对步骤S1采集的图像进行二分类缺陷检测；S3、基于精简GoogLeNet卷积神经网络模型对飞机蒙皮喷漆表面缺陷进行多分类检测；S4、输出多分类结果。本发明专利技术提供的实现飞机蒙皮喷漆表面缺陷检测与分类的方法，融合了基于传统图像缺陷检测二分类方法与基于深度学习的GoogLeNet卷积神经网络模型的缺陷多分类框架，二分类与多分类相结合，不仅有效提高了算法的运算效率和鲁棒性，而且有效缩短了算法执行时间，提高了飞机蒙皮表面缺陷检测的精确度，可有效满足对飞机蒙皮喷漆表面缺陷进行智能化检测与分类的需求。的需求。

【技术实现步骤摘要】
一种实现飞机蒙皮喷漆表面缺陷检测与分类的方法


[0001]本专利技术是涉及一种实现飞机蒙皮喷漆表面缺陷检测与分类的方法，属于缺陷检测


技术介绍

[0002]飞机蒙皮表面涂层工艺复杂，一旦涂层和基体材料产生脱粘、使用过程中产生裂纹，不仅影响外观，还将严重影响飞机的运行安全，因此对飞机蒙皮表面缺陷的检测是检验飞机出厂质量的重要手段。飞机蒙皮表面缺陷的种类繁多，其中较典型的包括颗粒、刮痕、垃圾、流淌、橘皮、翻边超厚等。多数情况下，飞机蒙皮表面缺陷的尺度以毫米计量，缺陷面积小且分散不均。传统的缺陷检测主要依靠人工目视检查，不仅具有人工成本高、工作效率低、实时性差等局限性，且检查效果易受视力、身体状态等人工主观因素的影响。随着飞机生产制造自动化程度的提高，人工目视检测方法已无法满足发展的需求，因此本领域迫切需要对飞机蒙皮表面缺陷的检测方法实现自动智能化。
[0003]目前国内在飞机蒙皮表面缺陷的自动化检测方面尚处于起步阶段，现有的检测方法往往都存在着计算量大、准确率差和可靠性低等问题，很难满足工业要求，因此，如何缩短算法执行时间，并且提本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种实现飞机蒙皮喷漆表面缺陷检测与分类的方法，其特征在于，包括如下步骤：S1、采集飞机蒙皮喷漆表面的图像；S2、基于表面平滑度对步骤S1采集的图像进行二分类缺陷检测，即：先对步骤S1采集的图像进行预处理；然后对预处理后的图像进行块检测定位，找到带有缺陷的像素；然后使用信息熵函数对带有缺陷的像素与整个图像的像素进行表面平滑度估计，基于表面平滑度判断该图像是否具有缺陷，将图像分为缺陷图像和非缺陷图像，实现对图像的二分类缺陷检测；S3、基于精简GoogLeNet卷积神经网络模型对飞机蒙皮喷漆表面缺陷进行多分类检测，即：先构建精简GoogLeNet卷积神经网络模型，然后通过构建的精简GoogLeNet卷积神经网络模型对步骤S2中二分类得到的缺陷图像进行多分类检测；所述的GoogLeNet卷积神经网络模型包括五个层次，五个层次分别为第一层、第二层、第三层、第四层、第五层，其中，第一层和第二层是普通卷积层，第三层由Inception
‑
A和Inception
‑
B模块组成，第四层由Inception
‑
A、Inception
‑
B、Inception
‑
C、Inception
‑
D和Inception
‑
E模块组成，第五层由Inception
‑
A和Inception
‑
B模块组成；所述的精简GoogLeNet卷积神经网络模型是指去除Inception
‑
B和Inception
‑
C模块的GoogLeNet卷积神经网络模型；S4、输出多分类结果。2.根据权利要求1所述的实现飞机蒙皮喷漆表面缺陷检测与分类的方法，其特征在于：步骤S2中，对步骤S1采集的图像进行预处理包括：对步骤S1采集的图像进行高斯滤波、直方图均衡化、Ostu自适应阈值分割和腐蚀的预处理。3.根据权利要求1所述的实现飞机蒙皮喷漆表面缺陷检测与分类的方法，其特征在于：步骤S2中，使用Blob对预处理的图像进行块检测。4.根据权利要求1所述的实现飞机蒙皮喷漆表面缺陷检测与分类的方法，其特征在于：步骤S3中具体包括如下操作：S31、数据集制作：将采集的飞机蒙皮喷漆表面的图像用于数据集的制作，并将数据集分为训练样本数据集和测试样本数据集；S32、构建GoogLeNet卷积神经网络模型：GoogLeNet卷积神经网络模型包括五个层次，五个层次分别为第一层、第二层、第三层、第四层、第五层，其中，第一层和第二层是普通卷积层，第三层由Inception
‑
A和Inception
‑
B模块组成，第四层由Inception
‑
A、Inception
‑
B、Inception
‑
C、Inception
‑
D和Inception
‑
E模块组成，第五层由Inception
‑
A和Inception
‑
B模块组成；S33、构建精简GoogLeNet卷积神经网络模型：去除步骤S32中GoogLeNet卷积神经网络模型的Inception
‑
B和Inception
‑
C模块，构建精简GoogLeNe...

【专利技术属性】
技术研发人员：杨淑群，方志军，高永彬，方荣辉，王慧星，马硕，
申请(专利权)人：上海工程技术大学，
类型：发明
国别省市：