一种基于STMR-CNN的金属表面缺陷检测方法技术

本发明专利技术提出了一种基于STM R

【技术实现步骤摘要】
一种基于STM R
‑
CNN的金属表面缺陷检测方法


[0001]本专利技术涉及深度学习算法在传统工业金属缺陷检测上应用，具体地说是一种基于STM R
‑
CNN的金属表面缺陷检测方法。

技术介绍

[0002]工业金属型材广泛应用于各种工业建筑工程施工中，同时也是大型钢结构主要的原材料，在各种应用场景中都扮演着举足轻重的作用，作为工业的基础材料，金属型材的生产质量时刻影响着工程建设的安全、质量和寿命，特别是在一些高精尖的工业应用场景中，对材料的质量和外表都有着极其苛刻的标准。但是由于钢材生产工艺和生产环境的限制，钢材难免会存在各种问题，为了满足各种工业应用场景对于钢材不同标准的需求，相应的钢材质量检测也应运而生，本文主要解决热轧带钢表面缺陷检测问题。工业热轧带钢是指厚度在0.1～2厘米的成卷带钢，宽度一般为60～200厘米，作为原材料被广泛应用于汽车、造船、电工设备、工程建筑等工业设备的生产制造场景中，带钢表面的完整、无瑕疵直接影响到后续产品的寿命和价值，所以带钢表面缺陷检测是热轧带钢生产质量检测中的重要环节。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于STM R
‑
CNN的金属表面缺陷检测方法，其特征在于，包括以下步骤：S1、采集金属表面图像数据并数据增强、标签分类、建立带有分类标签的配对数据集；S2、建立STM R
‑
CNN的金属表面缺陷检测网络，包括以下4个网络模块：骨干特征提取网络模块，采用transformer运算单元对输入数据提取不同维度的特征；Mix
‑
FPN混合特征提取网络模块，对不同维度的特征图进行进一步的特征混合，获得增强特征；RPN网络模块，用于对增强特征进行迭代训练，输出感兴趣区域、缺陷边界预测框；Multi
‑
stage R
‑
CNN多级联检测网络模块，用于在RPN网络模块输出的感兴趣区域上，结合柔性非极大值抑制进行迭代训练，逐级进一步再输出缺陷边界预测框、预测分类标签；S3、实时采集金属表面图像数据，输入建立STM R
‑
CNN的金属表面缺陷检测网络，自动定位缺陷边界预测框和输出预测分类标签。2.根据权利要求1所述的一种基于STM R
‑
CNN的金属表面缺陷检测方法，其特征在于，所述标签分类为人工对缺陷进行分类。3.根据权利要求1所述的一种基于STM R
‑
CNN的金属表面缺陷检测方法，其特征在于，所述骨干特征提取网络模块对输入数据提取不同维度的特征，包括：1)将H
×
W
×
3的原始图像切分成4
×
4的图像块patch，再展平成线性维度，并为每个图像块patch添加其在图像中的像素位置；2)输入依次连接的transformer运算单元，分别获取4个不同维度的特征图stage1～stage4。4.根据权利要求1所述的一种基于ST...

【专利技术属性】
技术研发人员：王卫，张新凯，于波，
申请(专利权)人：中国科学院沈阳计算技术研究所有限公司，
类型：发明
国别省市：