工业零件图像缺陷检测方法及系统、电子设备和存储介质技术方案

本发明专利技术提供一种工业零件图像缺陷检测方法及系统、电子设备和存储介质，其中，方法包括：基于若干零件表面缺陷图像，根据SSD数据增强法和半监督数据增强法，确定零件缺陷样本数据集；其中，零件缺陷样本数据集中每种缺陷类别的数量均衡；根据零件缺陷样本数据集训练缺陷检测模型，确定目标缺陷检测模型；将目标待测零件图像输入目标缺陷检测模型中，确定目标待测零件的缺陷类别和位置信息。能够有效提高工业零件表面缺陷检测的准确性，降低漏检率和误检率。误检率。误检率。

【技术实现步骤摘要】
工业零件图像缺陷检测方法及系统、电子设备和存储介质


[0001]本专利技术涉及机器视觉
，尤其涉及一种工业零件图像缺陷检测方法及系统、电子设备和存储介质。

技术介绍

[0002]随着智能制造的发展，工业零件的需求日益增加，工业零件的加工基本已经全面实现自动化机械生产。在机械加工，特别是航空零件的核心部件的制造中，对工业零件的表面质量要求较高，通常要求其表面不能有凹坑或宽度超过1mm的裂纹。但在实际加工生产中，由于加工设备的问题，加工过程的人为因素以及环境因素，不可避免地会出现各种各样的缺陷，例如钢板表面的划痕、凹坑、裂纹、起皮、斑点等。
[0003]传统的工业零件表面缺陷检测主要为人工质检，依靠熟练的技术工人用肉眼观察零件表面确定零件是否存在缺陷，由于人疲劳时注意力不集中，容易出现大量误检和漏检的情况，浪费财力、物力和人力。
[0004]基于图像处理或浅层机器学习技术的检测方法，只能在特定的检测条件下检测缺陷，如在一定尺度下，或在特定的光照条件下，检测出对比度强、噪声低的明显缺陷轮廓。基于深度学习的检测方法，由于检测目标极小、数据集较少和锚框设计不恰当等问题，检测效果不理性，准确率较低。
[0005]因此，如何提供一种工业零件图像缺陷检测方法及系统、电子设备和存储介质，有效提高工业零件表面缺陷检测的准确性，降低漏检率和误检率，成为亟待解决的问题。

技术实现思路

[0006]针对现有技术中的缺陷，本专利技术实施例提供一种工业零件图像缺陷检测方法及系统、电子设备和存储介质。<br/>[0007]本专利技术提供一种工业零件图像缺陷检测方法，包括：
[0008]基于若干零件表面缺陷图像，根据SSD数据增强法和半监督数据增强法，确定零件缺陷样本数据集；其中，零件缺陷样本数据集中每种缺陷类别的数量均衡；
[0009]根据零件缺陷样本数据集训练缺陷检测模型，确定目标缺陷检测模型；
[0010]将目标待测零件图像输入目标缺陷检测模型中，确定目标待测零件的缺陷类别和位置信息。
[0011]根据本专利技术提供的工业零件图像缺陷检测方法，基于若干零件表面缺陷图像，根据SSD的数据增强和半监督数据增强，确定零件缺陷样本数据集，具体包括：
[0012]基于若干零件表面缺陷图像，根据优化的SSD数据增强法，确定标签扩展数据集；其中，优化的SSD数据增强法在原SSD数据增强法中融入Mosaic算法；
[0013]采用半监督数据增强法处理标签扩展数据集，确定零件缺陷样本数据集。
[0014]根据本专利技术提供的工业零件图像缺陷检测方法，缺陷检测模型包括：特征提取层、特征融合层和缺陷识别层；特征提取层包括多个子特征提取层；子特征提取层顺序连接，前
一子特征提取层的输出为后一子特征提取层的输入；
[0015]对应的，将目标待测零件图像输入目标缺陷检测模型中，确定目标待测零件的缺陷类别和位置信息，具体包括：
[0016]将目标待测零件图像输入目标缺陷检测模型的特征提取层中；
[0017]基于特征提取层，提取目标待测零件图像特征信息，获取每一子特征提取层输出的目标零件特征图；
[0018]基于特征融合层，根据特征金字塔网络，融合每一子特征提取层输出的零件特征图，确定目标融合特征图；
[0019]基于缺陷识别层，根据目标融合特征图，在目标待测零件图像中确定目标缺陷的缺陷类别和位置信息。
[0020]根据本专利技术提供的工业零件图像缺陷检测方法，特征提取层还包括：初始特征提取层；初始特征提取层设置于所有子特征提取层前；
[0021]对应的，基于特征提取层，提取目标待测零件图像特征信息，获取每一子特征提取层输出的目标零件特征图，具体包括：
[0022]基于初始特征提取层，提取目标待测零件图像特征信息，确定初始零件特征图；
[0023]基于第一子特征提取层，根据通道注意力机制和空间注意力机制变换初始零件特征图，确定第一目标零件特征图；
[0024]将第一目标零件特征图输入第二子特征提取层中；
[0025]重复上述根据通道注意力机制和空间注意力机制变换，确定目标零件特征图，并将目标零件特征图输入后一子特征提取层的步骤，直至获取每一子特征提取层输出的目标零件特征图。
[0026]根据本专利技术提供的工业零件图像缺陷检测方法，基于特征融合层，根据特征金字塔网络，融合每一子特征提取层输出的零件特征图，确定目标融合特征图，具体包括：
[0027]基于特征融合层，根据特征金字塔网络，依照预设融合规则融合每一子特征提取层输出的零件特征图，确定多个不同层次的融合特征图；
[0028]局部响应归一化处理多个不同层次的融合特征图，将处理后的融合特征图进行融合，确定目标融合特征图。
[0029]根据本专利技术提供的工业零件图像缺陷检测方法，缺陷识别层包括：瞄框确定层和缺陷识别层；
[0030]对应的，基于缺陷识别层，根据目标融合特征图，在目标待测零件图像中确定目标缺陷的缺陷类别和位置信息，具体包括：
[0031]基于瞄框确定层，根据目标融合特征图，通过RoIAlign区域特征聚集算法，确定目标缺陷瞄框，获得目标缺陷位置信息；
[0032]基于目标缺陷瞄框区域的特征信息，对目标缺陷进行分类，确定目标缺陷的缺陷类别。
[0033]根据本专利技术提供的工业零件图像缺陷检测方法，根据零件缺陷样本数据集训练缺陷检测模型，确定目标缺陷检测模型，具体包括：
[0034]基于零件缺陷样本数据集，训练缺陷检测模型；
[0035]基于目标损失函数，根据AdaGrad算法，对缺陷检测模型的网络参数进行更新，并
基于更新后的网络参数对缺陷检测模型进行迭代训练直至缺陷检测模型收敛，确定目标缺陷检测模型；
[0036]其中，目标损失函数的公式为：
[0037][0038]式中，p为正样本的集合；l
RS
(i)为当前rank误差和当前sort误差的总和；为目标rank误差和目标sort误差的总和。
[0039]本专利技术还提供一种工业零件图像缺陷检测系统，包括：样本确定单元、模型确定单元和缺陷检测单元；
[0040]样本确定单元，用于基于若干零件表面缺陷图像，根据SSD数据增强法和半监督数据增强法，确定零件缺陷样本数据集；其中，零件缺陷样本数据集中每种缺陷类别的数量均衡；
[0041]模型确定单元，用于根据零件缺陷样本数据集训练缺陷检测模型，确定目标缺陷检测模型；
[0042]缺陷检测单元，用于将目标待测零件图像输入目标缺陷检测模型中，确定目标待测零件的缺陷类别和位置信息。
[0043]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现如上述任一种工业零件图像缺陷检测方法的步骤。
[0044]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种工业零件图像缺陷检测方法，其特征在于，包括：基于若干零件表面缺陷图像，根据SSD数据增强法和半监督数据增强法，确定零件缺陷样本数据集；其中，所述零件缺陷样本数据集中每种缺陷类别的数量均衡；根据所述零件缺陷样本数据集训练缺陷检测模型，确定目标缺陷检测模型；将目标待测零件图像输入所述目标缺陷检测模型中，确定所述目标待测零件的缺陷类别和位置信息。2.根据权利要求1所述的工业零件图像缺陷检测方法，其特征在于，所述基于若干零件表面缺陷图像，根据SSD的数据增强和半监督数据增强，确定零件缺陷样本数据集，具体包括：基于若干零件表面缺陷图像，根据优化的SSD数据增强法，确定标签扩展数据集；其中，所述优化的SSD数据增强法在原SSD数据增强法中融入Mosaic算法；采用半监督数据增强法处理所述标签扩展数据集，确定零件缺陷样本数据集。3.根据权利要求1或2所述的工业零件图像缺陷检测方法，其特征在于，所述缺陷检测模型包括：特征提取层、特征融合层和缺陷识别层；所述特征提取层包括多个子特征提取层；所述子特征提取层顺序连接，前一子特征提取层的输出为后一子特征提取层的输入；对应的，所述将目标待测零件图像输入所述目标缺陷检测模型中，确定所述目标待测零件的缺陷类别和位置信息，具体包括：将目标待测零件图像输入所述目标缺陷检测模型的特征提取层中；基于所述特征提取层，提取所述目标待测零件图像特征信息，获取每一子特征提取层输出的目标零件特征图；基于所述特征融合层，根据特征金字塔网络，融合所述每一子特征提取层输出的零件特征图，确定目标融合特征图；基于所述缺陷识别层，根据所述目标融合特征图，在所述目标待测零件图像中确定目标缺陷的缺陷类别和位置信息。4.根据权利要求3所述的工业零件图像缺陷检测方法，其特征在于，所述特征提取层还包括：初始特征提取层；所述初始特征提取层设置于所有子特征提取层前；对应的，所述基于所述特征提取层，提取所述目标待测零件图像特征信息，获取每一子特征提取层输出的目标零件特征图，具体包括：基于初始特征提取层，提取所述目标待测零件图像特征信息，确定初始零件特征图；基于第一子特征提取层，根据通道注意力机制和空间注意力机制变换所述初始零件特征图，确定第一目标零件特征图；将所述第一目标零件特征图输入第二子特征提取层中；重复上述根据通道注意力机制和空间注意力机制变换，确定目标零件特征图，并将所述目标零件特征图输入后一子特征提取层的步骤，直至获取每一子特征提取层输出的目标零件特征图。5.根据权利要求3所述的工业零件图像缺陷检测方法，其特征在于，所述基于所述特征融合层，根据...

【专利技术属性】
技术研发人员：朱文俊，王超，张梦怡，易阳，王村松，薄翠梅，彭浩，
申请(专利权)人：南京工业大学，
类型：发明
国别省市：