【技术实现步骤摘要】
铝材表面缺陷检测方法、设备和存储介质
[0001]本专利技术涉及图像识别
,尤其涉及一种铝材表面缺陷检测方法、设备和存储介质。
技术介绍
[0002]无论是在工业领域的机械设备,还是日常生活中的工艺产品,铝材是常用的材料之一。但在生产加工过程中,由于受设备及工艺的影响,铝材表面往往会出现不同种类的缺陷,比如脏点、擦花等常见缺陷。这极大程度的影响铝材的外观和使用性能,所以在铝材生产过程中,对其表面有效地进行缺陷检测是至关重要的。
[0003]目前,通常采用YOLOv3作为基础网络对铝材表面缺陷进行检测,但由于铝材表面个别类别缺陷尺寸较小,故在使用YOLOv3算法检测时,存在漏检率高,检测精度低的问题。
技术实现思路
[0004]本专利技术旨在至少解决现有技术中存在的技术问题之一。为此,本专利技术提出一种铝材表面缺陷检测方法、设备和存储介质,提升了对铝材表面小目标缺陷的检测能力。
[0005]根据本专利技术第一方面实施例的铝材表面缺陷检测方法,包括:
[0006]获取铝材表面的铝材缺陷数据集;
[0007]将所述铝材缺陷数据集输入到K
‑
means聚类算法中,得到铝材缺陷目标数据集,其中,所述铝材缺陷目标数据集为设有先验框的所述铝材缺陷数据集;
[0008]将所述铝材缺陷目标数据集输入到YOLOv4模型中进行分类识别,得到铝材表面缺陷分类结果;
[0009]其中,所述YOLOv4模型包括主干网络结构和PANet模块,在所述PANet模 ...
【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:获取铝材表面的铝材缺陷数据集;将所述铝材缺陷数据集输入到K
‑
means聚类算法中,得到铝材缺陷目标数据集,其中,所述铝材缺陷目标数据集为设有先验框的所述铝材缺陷数据集;将所述铝材缺陷目标数据集输入到YOLOv4模型中进行分类识别,得到铝材表面缺陷分类结果;其中,所述YOLOv4模型包括主干网络结构和PANet模块,在所述PANet模块中将第一特征图集与第二特征图集进行特征拼接,以使所述第一特征图集与所述第二特征图集位于同一特征层;所述第一特征图集为所述主干网络结构输出的特征图集,所述第二特征图集为在所述PANet模块中对所述第一特征图集进行融合处理得到的特征图集。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,所述获取铝材表面的铝材缺陷数据集,包括:获取铝材表面的待处理缺陷图像;对所述待处理缺陷图像进行图像预处理,得到铝材缺陷数据集,其中,所述图像预处理包括水平翻转操作和/或垂直翻转操作。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,所述待处理缺陷图像的缺陷包括擦花、角位漏底、桔皮、漏底、喷流、漆泡、起坑、不导电、杂色和脏点中的至少两种。4.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,所述先验框包括小尺寸目标检测先验框、中等尺寸目标检测先验框和大尺寸目标检测先验框,所述小尺寸目标检测先验框的尺寸包括4
×
4、10
×
9和52
×
23,所述中等尺寸目标检测先验框的尺寸包括256
×
8、256
×
16和256
×
26,所述大尺寸目标检测先验框的尺寸包括256
×
48、256
×
76和256
×
123。5.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YOLOv4模型还包括SPP模块和YOLO Head层,所述第一特征图集包括第一特征图、第二特征图、第三特征图和池化特征图,所述第二特征图集包括第四特征图、第五特征图和第六特征图,所述将所述铝材缺陷目标数据集输入到YOLOv4模型中进行分类识别,得到铝材表面缺陷分类结果,包括:将所述铝材缺陷目标数据集输入到所述主干网络结构中,得到第一特征图、第二特征图和第三特征图;将所述第三特征图输入到所述SPP模块中,得到池化特征图;将所述第一特征图、所述第二特征图、所述第三特征图和所述池化特征图输入到所述P...
【专利技术属性】
技术研发人员:李澄非,蔡嘉伦,梁辉杰,邱世汉,徐傲,
申请(专利权)人:五邑大学,
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。