【技术实现步骤摘要】
一种铝材表面缺陷检测装置与方法
[0001]本专利技术涉及铝材表面缺陷检测
，具体来说，涉及一种铝材表面缺陷检测装置与方法。
技术介绍
[0002]在铝材的实际生产过程中，由于各方面因素的影响，铝材表面会产生脏点、不导电和漏底等缺陷，这些缺陷会严重影响铝材的质量。为保证产品质量，需要人工进行肉眼目测。然而，铝材的表面自身会含有纹路，与瑕疵的区分度不高，传统人工肉眼检查十分费力，不能及时准确的判断出表面缺陷，质检的效率难以把控。
[0003]随着深度学习的发展，特别是卷积神经网络在图像识别、图像检测和图像分割等方面的应用，所取得的效果是过往使用传统算法无法比拟的。图像检测处于图像识别和图像分割的衔接阶段，是一种能够检测出图像中特定类别的物体的位置并给出相应的类别置信度。基于深度学习的目标检测算法有二阶段检测算法和单阶段检测算法，二阶段检测算法速度虽较慢但具有更高的检测性能。
[0004]但是通用的目标检测算法对于铝材表面缺陷的检测性能并不近乎人意，主要原因是铝材缺陷图像数量较少，铝材表面缺陷大小变化大，形
【技术保护点】
【技术特征摘要】
1.一种铝材表面缺陷检测方法，其特征在于，包括以下步骤：预先获取铝材表面图像信息；搭建深度网络检测模型，其中包括用于共享提取特征的主干网络、用于聚焦铝材缺陷维度特征的挤压激活模块、用于金属区域分割的分割网络、用于多标签分类的分类网络和用于缺陷目标检测的检测网络，且所述铝材表面图像信息作为所述主干网络的特征输入信息，所述主干网络输出为若干不同尺度的特征张量，所述不同尺度的特征张量作为所述挤压激活模块的输入进行聚焦铝材缺陷维度特征并进行输出，将输出向量分别作为所述分割网络、所述分类网络和所述检测网络的输入；将获取的多维度特征信息与铝材表面缺陷数据集进行对比获取铝材表面缺陷信息并作为识别信息。2.根据权利要求1所述的铝材表面缺陷检测方法，其特征在于，所述主干网络包括深度残差网络和特征金字塔网络，所述深度残差网络用于进行所述铝材表面图像信息特征提取，所述特征金字塔网络用于对所述深度残差网络进行拼接融合，获取多尺度的特征图。3.根据权利要求2所述的铝材表面缺陷检测方法，其特征在于，所述挤压激活模块，包括以下步骤：预先基于特征张量的空间维度来进行特征压缩，包括将不同尺度的特征张量标定实数，并保持输出的维度和输入的通道数相匹配；进行通过全连接层将特征维度降低到输入的标定维度，再经过ReLu激活后再升回到原来维度，并获得归一化权重；进行基于ReLu激活输出的权重完成在通道维度上的对原始特征张量的重标定。4.根据权利要求3所述的铝材表面缺陷检测方法，其特征在于，所述分割网络，包括以下步骤：输入聚焦铝材缺陷维度特征的特征图经连续上采样，得到尺寸与输入图像一致的多通道张量；再采用Sigmoid函数进行激活，最后每个像素选取通道下标的最大值作为分类，获取包含前景和背景的分割图像。5.根据权利要求4所述的铝材表面缺陷检测方法，其特征在于，所述选取通道下标的最大值作为分类，包括将二分类交叉熵作为损失函数，表示为：其中，和y
i
分别为每个像素的预测分类和实际分类，N为图像的像素数目。6.根据权利要求5所述的铝材表面缺陷检测方法，其特征在于，所述分类网络，包括以下步骤：预先基于聚焦铝材缺陷维度特征的特征图分别经自适应最大池化层和自适应平均池化层得到两个一维张量，其中，所述自适应最大池化层用于捕获特征图中的显著性缺陷区域，所述自适应平均池化层用于捕获特征图...
【专利技术属性】
技术研发人员：徐国明，夏乐雯，夏朝阳，葛赓，
申请(专利权)人：苏州兆能视觉科技有限公司，
类型：发明
国别省市：
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。