【技术实现步骤摘要】
一种钢板表面缺陷检测系统
本专利技术涉及钢板缺陷检测的
，尤其是指一种钢板表面缺陷检测系统。
技术介绍
钢板在各种场合中具有极其广泛的用途，如汽车、电器、机械等。表面质量是钢板产品质量中十分重要的部分，假如不能对钢板的表面质量引起足够的重视、不能很好地提升表面质量，钢板生产企业可能面临退货甚至倒闭的风险。在生产钢板的过程中，由于各种原因，会有许多种表面缺陷产生，如裂纹、夹杂、斑块、麻点、压入氧化皮、划伤等。而表面缺陷对钢板的质量是有很大影响的，而且也使得外观变差，同时使得钢板的机械性能和抗腐蚀的能力变差，因此需要减少表面缺陷、提高产品质量。传统的钢板表面检测技术主要有基于图像特征统计的检测技术、基于频谱变换的检测技术、基于马尔科夫随机场等模型的检测技术、基于机器学习的检测技术，适应性和精确率较低。
技术实现思路
本专利技术的目的在于克服传统检测技术的缺点与不足，提出了一种钢板表面缺陷检测系统，能够自动有效地提取钢板表面缺陷图片的特征，通过检测损失调整系统的权重参数，达到较高的检测精度...
【技术保护点】
1.一种钢板表面缺陷检测系统，其特征在于，包括：/n数据处理模块，用于对钢板表面缺陷图片划分训练集和测试集，并对训练集做数据增强；/n特征提取模块，用于提取钢板表面缺陷图片的特征，得到各层特征图C2、C3、C4、C5；/n特征金字塔模块，用于融合各层特征图C2、C3、C4、C5，得到增强后的各层特征图P2、P3、P4、P5；/n区域建议模块，用于设定不同比例和大小的anchors，对特征图P2、P3、P4、P5进行建议框的提取；/n池化检测模块，用于池化建议框对应的特征图，经过全连接层得到检测结果和损失。/n
【技术特征摘要】
1.一种钢板表面缺陷检测系统，其特征在于，包括：
数据处理模块，用于对钢板表面缺陷图片划分训练集和测试集，并对训练集做数据增强；
特征提取模块，用于提取钢板表面缺陷图片的特征，得到各层特征图C2、C3、C4、C5；
特征金字塔模块，用于融合各层特征图C2、C3、C4、C5，得到增强后的各层特征图P2、P3、P4、P5；
区域建议模块，用于设定不同比例和大小的anchors，对特征图P2、P3、P4、P5进行建议框的提取；
池化检测模块，用于池化建议框对应的特征图，经过全连接层得到检测结果和损失。
2.根据权利要求1所述的一种钢板表面缺陷检测系统，其特征在于：所述数据处理模块，用于对钢板表面缺陷图片划分训练集和测试集，并对训练集做数据增强，包含以下操作：
获取钢板表面缺陷图片，含有开裂、内含物、斑块、点蚀表面、轧制氧化皮或划痕缺陷；
取70％-80％的钢板表面缺陷图片作为训练集，余下的作为测试集，对训练集进行裁剪的数据增强操作。
3.根据权利要求1所述的一种钢板表面缺陷检测系统，其特征在于：所述特征提取模块，用于提取钢板表面缺陷图片的特征，得到各层特征图C2、C3、C4、C5，包含以下操作：
定义一个瓶颈层bottleneck，其中一条支路依次通过卷积核大小为1x1的组卷积层、正则化BN层、卷积核大小为3x3的组卷积层、正则化BN层、卷积核大小为1x1的卷积层、正则化BN层、relu激活函数，另一条支路是恒等映射，两条支路的输出相加得到bottleneck的输出；
把训练集中的钢板表面缺陷图片归一化输入regnet骨干网络，依次经过卷积核大小为3x3、步长为2、填充为1、输出通道为48的卷积层，正则化BN层，激活函数relu，经过2个输出通道为96的bottleneck得到特征图C2，经过6个输出通道为192的bottleneck得到特征图C3，经过15个输出通道为432的bottleneck得到特征图C4，经过2个输出通道为1008的bottleneck得到特征图C5。
4.根据权利要求1所述的一种钢板表面缺陷检测系统，其特征在于：所述特征金字塔模块，用于融合各层特征图C2、C3、C4、C5，得到增强后的各层特征图P2、P3、P4、P5，包含以下操作：
C5经过卷积核大小为1x1、输出通道为256的卷积层得到特征图M5，再经过卷积核大小为3x3的卷积层输出为特征图P5；
C4经过卷积核大小为1x1、输出通道为256的卷积层，与M5经过采样倍率为2的上采样得到的特征图相加得到特征...
【专利技术属性】
技术研发人员：许玉格，杨舒乔，吴宗泽，任志刚，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东;44
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。