一种基于改进YOLOX-S算法的金属铸件表面缺陷检测方法技术

本申请提供一种基于改进YOLOX

【技术实现步骤摘要】
一种基于改进YOLOX
‑
S算法的金属铸件表面缺陷检测方法


[0001]本专利技术属于缺陷识别
，具体涉及一种基于改进YOLOX
‑
S算法的金属铸件表面缺陷检测方法。

技术介绍

[0002]随着我国重工业的蓬勃发展，制造业对于金属铸件的需求量越来越大，金属铸件的外观直接影响着成品的质量。原材料经过一系列生产工序，生产出一批金属零部件。由于生产模具和原材料不能保证完全贴合，会导致金属零部件表面会产生许多缺陷，如凹陷和孔洞。带有缺陷的金属零部件组装成的成品会直接影响产品外观同时使得产品的性能大幅减低而不能得到完美的发挥。因此，及时发现缺陷区域并填补缺陷区域显得尤为重要。
[0003]目前，针对于金属铸件表面缺陷检测的方法仍然是以人工检测法为主。工人们通过肉眼观察出金属铸件表面的缺陷，并填充相应的缺陷区域，再经过精细打磨铸件表面，使其达到产品要求。但是人工检测也存在诸多问题，长时间的反复单调工作会使工人感到疲劳，漏检率和产品不合格率会提高，这会直接影响成品的性能。因此，一个能够降低生产成本且能提高生产本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进YOLOX
‑
S算法的金属铸件表面缺陷检测方法，其特征在于，具体步骤如下：1)数据采集：采集数据库中若干金属铸件表面图像，构建金属铸件表面数据集；2)数据预处理：对金属铸件表面数据集中的数据进行预处理，并将处理后数据集按比例划分训练集和测试集；3)构建模型：搭建基于改进YOLOX
‑
S网络的金属铸件表面缺陷检测模型；4)模型训练：利用数据集训练基于改进YOLOX
‑
S算法的金属铸件表面缺陷检测模型；5)缺陷检测：将待检测的金属铸件表面图像输入训练好的改进YOLOX
‑
S网络中，获得含有缺陷类别和缺陷位置的结果图。2.如权利要求1所述的一种基于改进YOLOX
‑
S算法的金属铸件表面缺陷检测方法，其特征在于，步骤2)中数据预处理的具体步骤为：2
‑
1)对金属铸件表面数据集的数据进行增强操作，所述增强操作包括但不限于翻转、剪裁；2
‑
2)用LabelImg软件对增强操作的数据集进行标注，构建VOC格式的数据集，并按照8:2的比例将构建的VOC格式的数据集划分训练集和测试集。3.如权利要求1所述的一种基于改进YOLOX
‑
S算法的金属铸件表面缺陷检测方法，其特征在于，步骤3)中改进YOLOX
‑
S网络包括骨干网络，颈部网络，头部网络；所述骨干网络为由CSPDarknet网络构成的特征提取网络，所述颈部网络为由改进的PAFPN网络—ES
‑
PAFPN网络构成的特征融合网络，所述头部网络为由3个YOLO Head网络构成的分类预测网络；所述ES
‑
PAFPN网络采用擦除和加强机制来进行间接特征融合。4.如权利要求3所述的一种基于改进YOLOX
‑
S算法的金属铸件表面缺陷检测方法，其特征在于，所述特征提取网络由CSPDarknet网络构成包括串联的用于对输入图像一层层的进行特征提取的4个Resblock body块；每一个Resblock body块用于将图像尺寸缩小一半，通道数加倍；串联网络最后一个Resblock body块中包括用于提高网络的感受野SPP网络结构；所述特征提取网络会提取出三个特征Feature0、Feature1和Feature2。5.如权利要求3所述的一种基于改进YOLOX
‑
S算法的金属铸件表面缺陷检测方法，其特征在于，所述特征融合网络由ES
‑
PAFPN网络构成，所述ES
‑
PAFPN网络构成包括bottom
‑
up和up
‑
bottom两个部分，所述bottom
‑
up部分利用擦除和加强机制处理特征提取网络提取的特征，并将结果输入up
‑
bottom部分来再次加强特征；所述特征融合网络ES
‑
PAFPN输入为特征提取网络提取的三层特征Feature0、Feature1和Feature2；Feature0经过CU2单元调整成和Feature1相同的尺寸，同时利用注意力机制CBAM找出Feature1子特征中隐含的Feature0子特征信息，再通过擦除和增强机制获得Erased feature1和Strengthened feature0，同时引入门控单元，使用tanh激活函数来反映子特征之间的相互影响程度；依照上...

【专利技术属性】
技术研发人员：潘天红，程浩，纪敬虎，陈山，雍仁哲，方笑晗，
申请(专利权)人：安徽大学，
类型：发明
国别省市：