基于图片识别的表面缺陷检测方法技术

一种基于图片识别的表面缺陷检测方法，其对收集的图片数据进行预处理，转换得到若干关联图片数据，以此形成图片数据集合；并利用图片数据集合对第一预设神经网络模型和第二预设神经网络模型训练，通过两个神经网络模型对目标图片进行识别分析，确定目标图片的画面包含的物体状态信息以及目标图片中存在的物体的表面结构缺陷状态信息，再根据表面结构缺陷状态信息，对目标图片进行标记；上述表面缺陷检测方法将收集到的图片数据预处理转换成关联图片数据，能够充分丰富图片数据集合中图片数据的类型，实现对神经网络模型的全面有效训练，使得上述方法能够适用于不同拍摄条件得到的图片，提高对物体表面缺陷检测的准确性和可靠性。靠性。靠性。

【技术实现步骤摘要】
基于图片识别的表面缺陷检测方法


[0001]本专利技术涉及图片识别领域，尤其涉及一种基于图片识别的表面缺陷检测方法。

技术介绍

[0002]目前，在工业生产中，已经普遍使用产品检测算法对工业生产产品对应的图片进行分析处理，得到产品的表面结构状态，从而判断产品的质量高低。但是，现有的产品检测算法只能针对特定状态的图片进行分析，即其对于工业生产产品的拍摄提出了较高的要求，无法对推广应用到任意的工业生产场合中，从而无法提高对工业生产产品的表面缺陷检测准确性，降低工业生产的质量品质和稳定性。

技术实现思路

[0003]本专利技术的目的在于提供一种基于图片识别的表面缺陷检测方法，其对收集的图片数据进行预处理，转换得到若干关联图片数据，以此形成图片数据集合；并利用图片数据集合对第一预设神经网络模型和第二预设神经网络模型训练，通过两个神经网络模型对目标图片进行识别分析，确定目标图片的画面包含的物体状态信息以及目标图片中存在的物体的表面结构缺陷状态信息，再根据表面结构缺陷状态信息，对目标图片进行标记；上述表面缺陷检测方法将收集到的图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图片识别的表面缺陷检测方法，其特征在于，包括如下步骤：步骤S1，收集预定数量的图片数据，对每个图片数据进行预处理，从而将每个图片数据转换为若干关联图片数据；再将所有图片数据各自对应的若干关联图片数据形成图片数据集合；步骤S2，利用所述图片数据集合，对第一预设神经网络模型进行训练；将目标图片输入到第一预设神经网络模型进行识别分析，确定所述目标图片的画面包含的物体状态信息；步骤S3，根据所述目标图片的画面包含的物体状态信息，判断所述目标图片是否属于有效图片；并利用所述图片数据集合，对第二预设神经网络模型进行训练；步骤S4，将被判断为属于有效图片的目标图片输入到第二预设神经网络模型进行识别分析，确定所述目标图片中存在的物体的表面结构缺陷状态信息；再根据所述表面结构缺陷状态信息，对所述目标图片进行标记。2.根据权利要求1所述的基于图片识别的表面缺陷检测方法，其特征在于，在所述步骤S1中，收集预定数量的图片数据，对每个图片数据进行预处理，从而将每个图片数据转换为若干关联图片数据具体包括：收集不少于200个的图片数据，其中收集的每个图片数据分别具有不同的图像亮度、对比度和色度；对每个图片数据进行翻转预处理、缩放预处理和剪切预处理中的至少一种，从而将每个图片数据转换为若干关联图片数据。3.根据权利要求2所述的基于图片识别的表面缺陷检测方法，其特征在于，在所述步骤S1中，对每个图片数据进行翻转预处理具体包括：以图片数据对应的图像中的某一像素点为旋转中心点，对图像进行若干随机角度的旋转，从而将图片数据转换为若干关联图片数据；或者，在所述步骤S1中，对每个图片数据进行缩放预处理具体包括：对图片数据对应的图像进行若干随机缩放倍数的缩放处理，从而将图片数据转换为若干关联图片数据；或者，在所述步骤S1中，对每个图片数据进行剪切预处理具体包括：沿着图片数据对应的图像的不同边界进行若干随机幅度的剪切处理，从而将图片数据转换为若干关联图片数据。4.根据权利要求3所述的基于图片识别的表面缺陷检测方法，其特征在于，在所述步骤S1中，将所有图片数据各自对应的若干关联图片数据形成图片数据集合具体包括：将每个图片数据各自对应的所有关联图片数据进行随机排列组合后，形成相应的图片数据集合。5.根据权利要求4所述的基于图片识别的表面缺陷检测方法，其特征在于，在所述步骤S2中，利用所述图片数据集合，对第一预设神经网络模型进行训练具体包括：从所述图片数据集合中随机选取预定数量的关联图片数据，并将选取的关联图片数据
输入到第一预设神经网络模型进行训练，从而确定训练后的第一预设...

【专利技术属性】
技术研发人员：刘晓升，王宜怀，罗喜召，马小虎，韦雪婷，
申请(专利权)人：苏州大学，
类型：发明
国别省市：