一种基于AI的工业孔壁缺陷检测系统及识别算法技术方案

本发明专利技术涉及缺陷检测技术领域，具体地说，涉及一种基于AI的工业孔壁缺陷检测系统及识别算法。其包括数据采集单元、数据预处理单元、特征提取单元、缺陷检测单元和损失函数单元；数据采集单元用于将被摄取目标转换成图像信号，数据预处理单元用于将数据采集单元采集的图像信号进行数据增广，并将训练集和测试集中的图像减去均值，特征提取单元用于图像最优化每个节点权重系数及偏置；缺陷检测单元用于根据特征提取单元中的图像特征确定检测缺陷位置的中心点；本发明专利技术只需将图片转换为图像信号，就可获取缺陷位置和种类，解放肉眼观察，统一检测标准，保证产品质量一致性，并且提升检测速度，从而提高了工业产品内壁缺陷检测速度。度。度。

【技术实现步骤摘要】
一种基于AI的工业孔壁缺陷检测系统及识别算法


[0001]本专利技术涉及缺陷检测
，具体地说，涉及一种基于AI的工业孔壁缺陷检测系统及识别算法。

技术介绍

[0002]目前工业产品孔内壁缺陷检测大部分依靠人工，该方案检测速度慢，同时检测结果受检验人员的经验、熟练程度以及一些主观因素的影响，缺乏一致性和可靠性，传统的工业产品内壁缺陷检测的技术主要通过超景深显微镜进行倾斜查看，该方法很难实现自动化，而且会产生图像畸变，检测效率低下，检测误差率较高，且目前利用深度学习方法进行工业产品内壁缺陷检测的方法，主要利用两阶段目标检测算法，该方法首先生成大量候选图片，之后再利用卷积神经网络对图片进行分类和回归，这种方法比较费时，鉴于此，我们提出一种基于AI的工业孔壁缺陷检测系统及识别算法。

技术实现思路

[0003]本专利技术的目的在于提供一种基于AI的工业孔壁缺陷检测系统及识别算法，以解决上述
技术介绍
中提出的问题。
[0004]为实现上述目的，一方面，本专利技术提供一种基于AI的工业孔壁缺陷检测系统，包括数据采集单元、数据预处理本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于AI的工业孔壁缺陷检测系统，其特征在于，包括数据采集单元(100)、数据预处理单元(200)、特征提取单元(300)、缺陷检测单元(400)和损失函数单元(500)；所述数据采集单元(100)用于将被摄取目标转换成图像信号，并传输给图像处理系统；所述数据预处理单元(200)用于将所述数据采集单元(100)采集的图像信号通过旋转、平移、镜像、调节图片亮度方式进行数据增广，并将训练集和测试集中的图像减去均值，使图像进行归一化处理；所述特征提取单元(300)用于将所述数据预处理单元(200)预处理后的图像最优化每个节点权重系数及偏置；所述缺陷检测单元(400)用于根据所述特征提取单元(300)中的图像特征确定检测缺陷位置的中心点，并在该中心点位置回归出缺陷框的大小和偏移量，检测出缺陷的位置和种类；所述损失函数单元(500)用于对所述缺陷检测单元(400)中的缺陷位置的网络参数优化指定方向。2.根据权利要求1所述的基于AI的工业孔壁缺陷检测系统，其特征在于：所述数据采集单元(100)包括光信息传输模块(110)和图像获取模块(120)；所述光信息传输模块(110)用于实现外部光源的导入和孔壁内部图像的导出；所述图像获取模块(120)用于被摄取目标转换成图像信号。3.根据权利要求2所述的基于AI的工业孔壁缺陷检测系统，其特征在于：所述光信息传输模块(110)的图像展开宽度计算公式如下：s＝d*p*m其中，d为图像展开宽度，p为像素当量，m为相机帧率，s为轴进速度。4.根据权利要求1所述的基于AI的工业孔壁缺陷检测系统，其特征在于：所述特征提取单元(300)采用网络学习权值算法，计算公式如下：Y
i
＝α
i
X
1i
+β
i
X
2i
Y
i
为融合后第i通道的特征，X
1i
为融合前第一个特征图中第i通道的特征，X
2i
为融合前第二个特征图中第i通道的特征，α
i
和β
i
为不同通道的加权系数。5.根据权利要求1所述的基于AI的工业孔壁缺陷检测系统，其特征在于：所述缺陷检测单元(400)包括采集模块(410)、语义特征获取模块(420)和特征融合模块(430)；所述采集模块(410)用于扩大空间分辨率；所述语义特...

【专利技术属性】
技术研发人员：印国平，刘金建，申兴禄，张程，黄新龙，
申请(专利权)人：无锡金元启信息技术科技有限公司，
类型：发明
国别省市：