一种热轧带钢表面缺陷检测方法及系统技术方案

本发明专利技术公开了一种热轧带钢表面缺陷检测方法及系统，通过卷积神经网络CNN提取特征图，将特征图加入位置编码后，结合Transformer进行编码解码，并构建最优模型，使得深度学习下的特征图得到准确分析，且损失率达到最小，并通过精度、召回率、F1_score、准确率四个层次进行评价，快速判断缺陷种类及位置，提高了深度学习下热轧带钢表面缺陷检测的精确度。学习下热轧带钢表面缺陷检测的精确度。学习下热轧带钢表面缺陷检测的精确度。

【技术实现步骤摘要】
一种热轧带钢表面缺陷检测方法及系统


[0001]本专利技术涉及深度学习和热轧带钢表面缺陷检测领域，尤其是一种热轧带钢表面缺陷检测方法及系统。

技术介绍

[0002]热轧带钢一般是指厚度为1
‑
20mm的成卷带钢，宽度一般为600
‑
2000mm。热轧带钢可以作为热轧钢板直接使用，也可以作为冷轧带钢的原材料。热轧带钢成型速度快，产量高，可以做成多种多样的截面形式去适应环境的需要，由于其表面积大、包覆能力强、可任意弯曲、裁剪冲压，所以热轧带钢在汽车、电机、化工、容器、航空、造船等行业占有及其重要的地位。但是在热轧带钢的生产过程中，由于材料、工艺、环境等不可抗拒因素，带钢的表面会产生不同类型的缺陷，如夹杂、划痕、压入氧化皮、裂纹、麻点和斑块等，这些缺陷不仅会对钢板的内在性能产生较大影响，如降低带钢的疲劳强度、耐磨耐腐蚀性；还有可能因为表面缺陷使得带钢出现断裂、堆积等严重问题。所以，热轧带钢的表面缺陷检测是加工过程中十分重要的环节，是提高热轧带钢高质量生产的关键。
[0003]目前，热轧带钢表面缺陷检测技术主本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种热轧带钢表面缺陷检测方法，其特征在于，包含以下步骤：1)建立热轧带钢表面缺陷数据集，该数据集包含夹杂、划痕、压入氧化皮、裂纹、麻点、斑块，对数据集进行数据增强；2)搭建基于CNN的特征提取骨干网络，将数据增强后的数据集放入特征提取骨干网络，获得特征图；3)将特征图加入位置编码，送入Transformer进行编码及解码，得到预测特征图，计算预测的损失值，得到最优模型；4)将待检测热轧带刚图片传入最优模型中进行计算，获得该待检测热轧带钢表面的缺陷种类以及对应的位置。2.根据权利要求1所述的热轧带钢表面缺陷检测方法，其特征在于，步骤1)中，对数据集进行标签标注，并进行马赛克数据增强，首先随机读取四张图片，分别对四张图片进行数据增广，包括翻转、缩放和色域变换操作；其次利用矩阵的方式将四张图片固定的区域截取下来，拼接成一组新的图片，标签信息也相应保存。3.根据权利要求2所述的热轧带钢表面缺陷检测方法，其特征在于，步骤2)中，对马赛克数据增强后的数据集进行调整，调整大小为224
×
224
×
3，其中3为RGB图像的通道数，224
×
224为图像的长与宽，搭建基于CNN的神经网络特征提取器，经过5次卷积、非线性函数relu激活、最大池化操作后，得到特征图。4.根据权利要求3所述的热轧带钢表面缺陷检测方法，其特征在于，步骤3)中，将特征图加入含有位置关系的位置编码，该编码方式如下：图加入含有位置关系的位置编码，该编码方式如下：其中pos表示位置索引，i表示维度索引，d
model
表示通道数。5.根据权利要求4所述的热轧带钢表面缺陷检测方法，其特征在于，步骤3)中，送入Transformer进行编码及解码，其中，搭建Transformer编码器包含以下步骤：3.1)搭建多头自注意力机制，对输入X做线性映射得到查询矩阵Q、键矩阵K、值矩阵V，通过QK
T
求出注意力矩阵，根据注意力矩阵将V进行加权处理，形成多头自注意力机制；3.2)搭建残差连接和层归一化，将输入向量和输入X经过多头自注意力机制的结果相加，对相加的结果使用层归一化，将网络中隐藏层归一化为标准正态分布，加速收敛，得到初步归一化结果；3.3)搭建前馈网络和残差连接、层归一化，前馈网络进行线性映射，经激活函数后，得到映射结果，将初步归一化结果与...

【专利技术属性】
技术研发人员：张辉，朱威，朱晓阳，官震，朱成顺，朱鹏程，刘赞，赵孟军，
申请(专利权)人：江苏科技大学，
类型：发明
国别省市：