一种基于分块的金属表面缺陷检测方法及系统技术方案

本发明专利技术公开了一种基于分块的金属表面缺陷检测方法及系统，所述检测方法包括以下步骤：获取待检测的金属表面图像并进行分块处理，获得分块后的图像块集合；将所述图像块集合中的图像块输入预训练好的二分类器中，获得检测结果；其中，所述预训练好的二分类器的获取步骤包括：获得分块后的图像块缺陷样本集合；获得正负样本集合；基于所述正负样本集合中的正样本和负样本对预构建的二分类网络进行训练，训练达到预设收敛条件后获得所述预训练好的二分类器。本发明专利技术的检测方法，可提升对金属表面的缺陷进行检测和定位的效率，且检测的召回率较高。的召回率较高。的召回率较高。

【技术实现步骤摘要】
一种基于分块的金属表面缺陷检测方法及系统


[0001]本专利技术属于工业缺陷检测
，涉及金属表面缺陷检测，特别涉及一种基于分块的金属表面缺陷检测方法及系统。

技术介绍

[0002]由于在工业中应用的广泛性，金属表面检测已经越来越受到人们的关注。与某些平滑的表面相比(例如，LCD屏或光学元件等)，金属表面的图像很容易受到光照不均匀，背景噪声等因素的影响，这就给检测问题带来了困难。
[0003]例如，发动机作为汽车的“心脏”，是汽车生产制造过程中非常核心的环节，其质量把控非常严格。假如发动机缸孔壁出现磨损、缩松等缺陷，会造成漏油漏气等问题，不仅会影响发动机的性能，甚至可能会引起安全事故。因此，对发动机进行缺陷检测是发动机生产制造过程中非常重要的一环。当前，在发动机表面缺陷检测问题上，主要采用的方法是人工目视法，即依靠肉眼进行缺陷检测。然而，人工目视法受工人的技术水平、判断标准、个体差异等因素的影响，无法保障产品的检测稳定性和一致性；并且人工检测的方法自动化程度低、生产效率低、同时也会耗费大量的人力成本。

技术实现思路

[0004]本专利技术的目的在于提供一种基于分块的金属表面缺陷检测方法及系统，以解决上述存在的一个或多个技术问题。本专利技术的检测方法，可提升对金属表面的缺陷进行检测和定位的效率，且检测的召回率较高。
[0005]为达到上述目的，本专利技术采用以下技术方案：
[0006]本专利技术第一方面提供的一种基于分块的金属表面缺陷检测方法，包括以下步骤：
[0007]获取待检测的金属表面图像并进行分块处理，获得分块后的图像块集合；
[0008]将所述图像块集合中的图像块输入预训练好的二分类器中，获得检测结果；
[0009]其中，所述预训练好的二分类器的获取步骤包括：
[0010]获取标注好的金属表面缺陷样本图像并进行分块处理，获得分块后的图像块缺陷样本集合；其中，所述图像块集合中的图像块与所述图像块缺陷样本集合中的图像块缺陷样本的大小相同；
[0011]基于所述图像块缺陷样本集合，获得正负样本集合；
[0012]基于所述正负样本集合中的正样本和负样本对预构建的二分类网络进行训练，训练达到预设收敛条件后获得所述预训练好的二分类器。
[0013]本专利技术方法的进一步改进在于，所述获取标注好的金属表面缺陷样本图像并进行分块处理，获得分块后的图像块缺陷样本集合的步骤具体包括：
[0014](1)获取预设数量的金属表面缺陷样本图像；
[0015](2)对每个金属表面缺陷样本图像进行分块处理，获得所述每个金属表面缺陷样本图像的图像块缺陷样本集合；
[0016](3)对于所述每个金属表面缺陷样本图像的图像块缺陷样本集合，计算每个图像块缺陷样本和图像缺陷真值框的重叠面积与图像缺陷真值框的比值；基于所述比值与预设比值阈值，划分获得有缺陷、无缺陷的正负样本集合。
[0017]本专利技术方法的进一步改进在于，所述步骤(1)中，在获取预设数量的金属表面缺陷样本图像之后，还包括：对金属表面缺陷样本图像进行处理校正，获得亮度均匀一致的金属表面缺陷样本图像；
[0018]其中，所述处理校正的步骤具体包括：
[0019]采用伽马校正对金属表面缺陷样本图像进行处理校正；
[0020]伽马校正由下列幂定律公式所定义：
[0021][0022]其中，A是一个常量，V是一点的灰度值，γ为伽马值。
[0023]本专利技术方法的进一步改进在于，所述将所述图像块集合中的图像块输入预训练好的二分类器中，获得检测结果的步骤具体包括：
[0024]将所述图像块集合中的图像块输入预训练好的二分类器中，获得每个图像块的置信度分数；
[0025]将置信度分数大于等于预设置信度分数阈值的图像块判定为有缺陷；
[0026]在待检测的金属表面图像上，标注出判定为有缺陷的图像块，获得检测结果。
[0027]本专利技术方法的进一步改进在于，所述将所述图像块集合中的图像块输入预训练好的二分类器中，获得每个图像块的置信度分数的步骤具体包括：
[0028]图像块输入二分类器后，获得一个二维向量[x0,x1]；
[0029]将二维向量输入Softmax函数，得到图像块的置信度分数；
[0030]其中，Softmax函数为，
[0031]式中，x
c
表示向量的第c个分量,C表示向量的维度，将x1代入函数所得的值即为图像块含有缺陷的置信度。
[0032]本专利技术方法的进一步改进在于，所述分块处理的步骤具体包括：
[0033]从左到右，由上到下划分图像，获得的图像块的大小为256
×
256，水平方向第j个，垂直方向第i个图像块标记为(i，j)；
[0034]图像块(i，j)的坐标计算公式为，
[0035]x
lu
＝900+256*j，
[0036]y
lu
＝30+256*i，
[0037]x
rd
＝x
lu
+256，
[0038]y
rd
＝y
lu
+256，
[0039]式中，(i,j)表示第i行第j列的图像块；x
lu
，y
lu
分别为图像块的左上角的x轴坐标和y轴坐标，x
rd
，y
rd
分别为图像块的右下角的x轴坐标和y轴坐标。
[0040]本专利技术方法的进一步改进在于，所述计算每个图像块缺陷样本和图像缺陷真值框的重叠面积与图像缺陷真值框的比值的步骤具体包括：
[0041]基于金属表面缺陷样本图像的标注文件，获取所有缺陷的缺陷位置信息；其中，缺陷位置信息为缺陷标注框在原始金属表面缺陷样本图像中的左上角和右下角坐标；
[0042]对于划分获得的图像块(i，j)，获取其在原始金属表面缺陷样本图像中的左上角和右下角的坐标；
[0043]假设缺陷真值框的左上角坐标为(x
e0
,y
e0
)，右下角坐标为(x
e1
,y
e1
)；
[0044]计算图像块坐标与缺陷真值框左上角坐标的最大值：
[0045]x
max
＝max(x
e0
,x
lu
)，
[0046]y
max
＝max(y
e0
,y
lu
)，
[0047]计算图像块坐标与缺陷真值框右下角坐标的最小值：
[0048]x
min
＝min(x
e1
,x
rd
)，
[0049]y
min
＝min(y
e1
,y
rd
)，
[0050]若x
min本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于分块的金属表面缺陷检测方法，其特征在于，包括以下步骤：获取待检测的金属表面图像并进行分块处理，获得分块后的图像块集合；将所述图像块集合中的图像块输入预训练好的二分类器中，获得检测结果；其中，所述预训练好的二分类器的获取步骤包括：获取标注好的金属表面缺陷样本图像并进行分块处理，获得分块后的图像块缺陷样本集合；其中，所述图像块集合中的图像块与所述图像块缺陷样本集合中的图像块缺陷样本的大小相同；基于所述图像块缺陷样本集合，获得正负样本集合；基于所述正负样本集合中的正样本和负样本对预构建的二分类网络进行训练，训练达到预设收敛条件后获得所述预训练好的二分类器。2.根据权利要求1所述的一种基于分块的金属表面缺陷检测方法，其特征在于，所述获取标注好的金属表面缺陷样本图像并进行分块处理，获得分块后的图像块缺陷样本集合的步骤具体包括：(1)获取预设数量的金属表面缺陷样本图像；(2)对每个金属表面缺陷样本图像进行分块处理，获得所述每个金属表面缺陷样本图像的图像块缺陷样本集合；(3)对于所述每个金属表面缺陷样本图像的图像块缺陷样本集合，计算每个图像块缺陷样本和图像缺陷真值框的重叠面积与图像缺陷真值框的比值；基于所述比值与预设比值阈值，划分获得有缺陷、无缺陷的正负样本集合。3.根据权利要求2所述的一种基于分块的金属表面缺陷检测方法，其特征在于，所述步骤(1)中，在获取预设数量的金属表面缺陷样本图像之后，还包括：对金属表面缺陷样本图像进行处理校正，获得亮度均匀一致的金属表面缺陷样本图像；其中，所述处理校正的步骤具体包括：采用伽马校正对金属表面缺陷样本图像进行处理校正；伽马校正由下列幂定律公式所定义：其中，A是一个常量，V是一点的灰度值，γ为伽马值。4.根据权利要求1所述的一种基于分块的金属表面缺陷检测方法，其特征在于，所述将所述图像块集合中的图像块输入预训练好的二分类器中，获得检测结果的步骤具体包括：将所述图像块集合中的图像块输入预训练好的二分类器中，获得每个图像块的置信度分数；将置信度分数大于等于预设置信度分数阈值的图像块判定为有缺陷；在待检测的金属表面图像上，标注出判定为有缺陷的图像块，获得检测结果。5.根据权利要求4所述的一种基于分块的金属表面缺陷检测方法，其特征在于，所述将所述图像块集合中的图像块输入预训练好的二分类器中，获得每个图像块的置信度分数的步骤具体包括：图像块输入二分类器后，获得一个二维向量[x0,x1]；将二维向量输入Softmax函数，得到图像块的置信度分数；
其中，Softmax函数为，式中，x
c
表示向量的第c个分量，C表示向量的维度，将x1代入函数所得的值即为图像块含有缺陷的置信度。6.根据权利要求2所述的一种基于分块的金属表面缺陷检测方法，其特征在于，所述分块处理的步骤具体包括：从左到右，由上到下划分图像，获得的图像块的大小为256
×
256，水平方向第j个，垂直方向第i个图像块标记为(i，j)；图像块(i，j)的坐标计算公式为，x
lu
＝900+256*j，y
lu
＝30+256*i，x
rd
...

【专利技术属性】
技术研发人员：魏平，王帅杰，郑南宁，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：