一种基于改进SSD算法的工件表面微小缺陷检测方法技术

本发明专利技术涉及一种基于改进SSD算法的工件表面微小缺陷检测方法，改进原有的主干AGG16网络，采用多尺度卷积特征融合的思想，经过空洞卷积下采样操作与反卷积上采样操作，实现网络结构中的低层特征层与高层特征层的特征融合，使用新生成的特征图代替原SSD算法中形成的特征图，提高模型对小目标的识别精准度，形成全新的特征金字塔以预测最终的检测结果；针对先验框尺寸对小目标匹配差的问题，调整SSD模型先验框尺寸，能有效避免由于检测目标过小导致在训练时物体真实标签无法找到相对应的先验框与之匹配的问题，最终得到对小目标检测能力更强的新网络模型。本发明专利技术实现端对端的目标检测的同时能对小目标的缺陷有较高的检测准确率。率。率。

【技术实现步骤摘要】
一种基于改进SSD算法的工件表面微小缺陷检测方法


[0001]本专利技术涉及工件缺陷检测方法，尤其涉及一种基于改进SSD算法的工件表面微小缺陷检测方法。

技术介绍

[0002]在工件的生产制造进程中由于生产和加工工艺的影响，在工件表面会出现各类的缺陷，如划痕，凹坑和裂纹等，这些缺陷对产品的质量和性能有很大的影响，所以对工件进行表面缺陷检测是工件生产过程中的重要环节之一，然而工件的表面缺陷大多较小，使用人工或物理检测的效率低，误差大，因此，需要一种能快速准确检测工件表面较小缺陷的检测方法，满足当前自动化缺陷检测需要。
[0003]传统的人工目视检测方法依赖人工经验，易受到主观因素的影响，因此导致测试结果不准确，无法满足现行自动化检测要求，而机器视觉检测方法具有自动化程度高，识别速度快，且非接触的检测的优点，逐渐成为了工件表面缺陷检测的主流方法。与传统的机器视觉相比，深度学习具有良好的目标识别和图像处理方面的能力，目标检测中采用深度学习方法提取的深度特征较传统的机器学习方法提取人工特征具有更好的表征目标特性，深度学习方法通过构建神经网络模型本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进SSD算法的工件表面微小缺陷检测方法，其特征在于，包括以下步骤：步骤S1.采集有缺陷工件表面图像；步骤S2.预处理采集的图像，制成数据集；步骤S3.修改VGG16主干特征提取网络，增加有效特征层；步骤S4.构建多尺度特征融合的改进SSD网络，损失函数采用置信度损失L
conf
和位置损失L
loc
，总损失为两种损失函数的加权和；步骤S5.在融合特征层上构造多个不同的先验框，通过非极大值抑制算法抑制掉一部分重叠或者不正确的先验框，生成最终的先验框集合；步骤S6.使用数据集训练SSD网络模型，得到权值文件；步骤S7.将待检测的图片经过预处理之后输入训练后的SSD网络模型中，得到圆形工件的表面缺陷结果，包括缺陷位置及类别。2.根据权利1所述的一种基于改进SSD算法的工件表面微小缺陷检测方法，其特征在于，所述步骤S1中，使用工业CCD相机采集有缺陷工件表面图像。3.根据权利1所述的一种基于改进SSD算法的工件表面微小缺陷检测方法，其特征在于，所述步骤S2中，预处理采集的图像，制成数据集，具体为：对数据集进行数据增强操作，所述数据增强操作包括旋转、水平迁移、垂直迁移和缩放4种方式；标记工件表面缺陷位置，标记信息为缺陷位置和类型，工件表面缺陷类型包括凹坑、划痕和裂纹；最后将数据集按照一定比例划分为训练集和测试集。4.根据权利1所述的一种基于改进SSD算法的工件表面微小缺陷检测方法，其特征在于，所述步骤S3中，修改VGG主干特征提取网络，具体为：(1)使用一次卷积核为[3,3]卷积网络和一次卷积核[1,1]卷积网络代替VGG16的FC6和FC7全连接层，命名为Conv6和Conv7层进一步提取网络特征；(2)去掉VGG16原有的Dropout层和FC8层，新增了Conv8、Conv9、Conv10、Conv11层，提取更深层次网络特征。5.根据权利4所述的一种基于改进SSD算法的工件表面微小缺陷检测方法，其特征在于，相较于原始SSD目标检测算法，增加Conv3_3为有效特征层，选取的具体有效特征层为Conv3_3，Conv4_3，Conv7，Conv8_2，Conv9_2，Conv10_2和Conv11_2共七个层，依次得到七个特征图，其大小为75*75，38*38，19*19，10*10，5*5，3*3，1*1，在七个有效特征层之间进行多尺度特征融合。6.根据权利1所述的一种基于改进SSD算法的工件表面微小缺陷检测方法，其特征在于，构建多尺度特征融合的改进SSD网络，具体为：多尺度特征融合包括空洞卷积下采样操作与反卷积上采样操作，卷积核的感受野的计算公式为：式中di(dilation)表示空洞卷积操作时的不同扩张值，F
di
表示不同感受野；
通过反卷积操作可将特征图还原到原图像大小，计算公式为：I＝p(o+2q
‑
w)+1式中I表示输入图像大小、o表示输出图像大小为、q表示边缘扩充、w表示卷积核大小、p表示步长。7.根据权利6所述的一种基于改进SSD算法的工件表面微小缺陷检测方法，其特征在于，新融合的Conv3_3_y层，有两部分组成，第一部分是Conv3_3卷积运算得到256个75*75的特征图，使用的是扩张为1，步长为1，大小为3*3的卷积核，第二部分由Conv4_3的反卷积上采样操作得到256个75
×
75的特征图，使用的是扩张值为1，步长为2，大小为3*3的卷积核；新融合的特征层Conv4_3_y层，由三部分构成，第一部分由Conv3_3通过空洞卷积下采样操作生成256个38
×
38的特征图，使用的是扩张值为2，步长为2，大小为3
×
3的卷积核；第二部分是Conv4_3的卷积运算得到512个38
×
38的特征图，使用的是扩张值为1，步长为1，尺寸为3<...

【专利技术属性】
技术研发人员：曹小华，梁世亮，邹腊年，彭帅宇，赵亚飞，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：