一种基于单阶段钢球表面缺陷检测的方法技术

本发明专利技术公开了一种基于单阶段钢球表面缺陷检测的方法，相比于传统的人工检测，本检测方法具有更高的检测精度、检测效率及鲁棒性。本单阶段检测方法基于YOLOv4网络结构预训练模型。主要包括以下步骤：采集钢球表面图像数据、图像增广、数据集图像标注、数据集划分、构造预训练模型、训练模型、模型验证。本方法模型能够自动提取钢球表面缺陷的特征，并能准确而快速地检测出钢球表面多种缺陷的位置。本方法使用Python编程语言，基于Keras框架作为前端的功能实现，以Tensorflow作为后端的数据处理，使用GPU(NVIDIA，GTX1080Ti)对模型训练、模型验证和模型测试，获得相应的评价指标以及测试结果。根据实验结果可知，本方法可快速并准确对钢球表面缺陷进行检测。

【技术实现步骤摘要】
一种基于单阶段钢球表面缺陷检测的方法
本专利技术涉及数字图像处理
，具体涉及一种基于单阶段钢球表面缺陷检测的方法。
技术介绍
由于钢球原材料批次不同、加工机床的精度以及加工过程工艺控制等技术因素的影响，会导致在钢球的加工过程中产生局部细微的表面缺陷。传统的人工检测具有检测精度低、检测效率低以及抗干扰性差的问题。因此，基于深度学习的目标检测方法应运而生，并在工业检测技术中被广泛应用，如FastRCNN、FasterRCNN、SSD等目标检测模型，但此种检测方法在针对缺陷种类不均衡及小目标缺陷时模型准确率不佳、检测速度慢等问题。
技术实现思路
本专利技术目的在于避免钢球表面缺陷检测方法存在准确率不佳、检测速度慢等问题，本文提出了一种基于单阶段钢球表面缺陷检测的方法。根据深度学习可以通过对原始数据进行自动提取特征，将所提取到的特征进行相应的处理。由于不需要人工提取特征，所以该算法可以使输出结果更加客观。单阶段目标检测方法认为图像所有区域均为潜在目标，不需要生成目标候选区域，直接对每个位置进行目标分类与精确定位。因此，单阶段目本文档来自技高网...

【技术保护点】
1.一种基于单阶段钢球表面缺陷检测的方法,其特征在于，该方法具体步骤如下：/n步骤一、采集钢球表面图像数据，建立相应的数据集；/n步骤二、对步骤一中采集的钢球表面图像数据采用数据增广的方法对其进行适当的扩充；/n步骤三、将步骤二中获得的数据集逐一对表面存在缺陷的钢球进行标注；/n步骤四、将步骤三得到的数据集划分为训练集、验证集和测试集，其中80%作为训练数据集，10%作为验证数据集，10%作为测试数据集；/n步骤五、构造YOLOv4网络结构的预训练模型，主干网络部分是CSPDarknet53网络，特征融合部分是SPP和PAN，预测部分为YOLOv3；/n步骤六、训练模型：采用迁移学习的方式，以...

【技术特征摘要】
1.一种基于单阶段钢球表面缺陷检测的方法,其特征在于，该方法具体步骤如下：
步骤一、采集钢球表面图像数据，建立相应的数据集；
步骤二、对步骤一中采集的钢球表面图像数据采用数据增广的方法对其进行适当的扩充；
步骤三、将步骤二中获得的数据集逐一对表面存在缺陷的钢球进行标注；
步骤四、将步骤三得到的数据集划分为训练集、验证集和测试集，其中80%作为训练数据集，10%作为验证数据集，10%作为测试数据集；
步骤五、构造YOLOv4网络结构的预训练模型，主干网络部分是CSPDarknet53网络，特征融合部分是SPP和PAN，预测部分为YOLOv3；
步骤六、训练模型：采用迁移学习的方式，以MSCOCO数据集训练完成的YOLOv4预训练模型，对原始模型中的权重进行初始化，对方法中的参数进行微调，先将主干网络中部分卷积层（一般为前三层）进行冻结，再设置动态衰减学习率等参数，训练模型至验证集的损失函数不再下降，最终实现对多种类型钢球表面缺陷的精准定位，同时保存训练后模型最好的权重，获得训练合格的YOLOv4模型；
步骤七、验证模型：利用训练合格的YOLOv4模型对钢球表面图像进行缺陷检测，得到检测结果。


2.根据权利要求1所述的一种基于单阶段钢球表面缺陷检测的方法，其特征在于，所选用基于机器视觉的钢球表面图像采集系统分为上料机构、照明机构、钢球表面展开机构、图像采集装置；为降低钢球表面反光，将展开系统浸润在介质为航空煤油的检测液中；展开盘上共有90个检测腔，同时设有两台CCD相机，每台可成像七个钢球，两台可同...

【专利技术属性】
技术研发人员：王义文，王恺娇，刘立佳，周丽杰，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：黑龙江;23