【技术实现步骤摘要】
一种永磁体表面缺陷的轻量化机器视觉检测方法
[0001]本专利技术属于目标识别和模型压缩
，具体涉及一种永磁体表面缺陷的轻量化机器视觉检测方法的设计。
技术介绍
[0002]永磁体一般指由铁氧体、钕铁硼、铝镍钴等制成的磁性物体，它主要安装在电机的定子或转子上，对永磁电机中产生恒定磁场至关重要。由于复杂的制造工艺，永磁体上表面可能出现缺陷，如裂纹、气孔、磨损、断裂、不均匀和污点，这些缺陷会严重影响永磁体的机械强度和磁性能，导致电机运行异常，甚至发生安全事故。目前广泛使用的永磁体表面缺陷仍然是采用可见光下的人眼观察的检测方法，这种方法受检测员的主观影响较大，且检测标准模糊，识别精度不稳定，执行效率低，自动化程度弱。为了保证各种永磁体的大规模高质量生产，发展准确、快速、自动化的永磁体表面缺陷识别方法显得尤为迫切和重要。
[0003]近年来，基于深度学习的目标检测算法取得了重大突破，为永磁体表面缺陷检测问题带来了新的解决方案。但是提高深度学习模型的性能不可避免地会造成训练样本、参数和模型规模的显著增加，进一步给计算能力...
【技术保护点】
【技术特征摘要】
1.一种永磁体表面缺陷的轻量化机器视觉检测方法，其特征在于，包括以下步骤：S1、在公开数据集的基础上，采集多种缺陷的永磁体图像数据，并对所有缺陷进行标注，以此扩充公开数据集的缺陷数量和种类，得到永磁体缺陷数据集；S2、对永磁体缺陷数据集进行数据增强处理以扩充数据集的样本量，并将扩充好的数据以7：2：1的比例分为训练集、验证集和测试集；S3、使用永磁体缺陷数据集进行迁移学习，得到教师模型；S4、对教师模型进行通道裁剪式压缩，得到学生模型；S5、使用永磁体数据集在教师模型的知识指导下对学生模型进行知识蒸馏训练，得到训练好的学生模型；S6、采用训练好的学生模型对测试集中的永磁体图像进行表面缺陷检测。2.根据权利要求1所述的永磁体表面缺陷的轻量化机器视觉检测方法，其特征在于，所述步骤S1具体为：在公开数据集Magnetic
‑
Tile的基础上，通过永磁体缺陷检测装置采集多种缺陷的永磁体图像数据，并利用数据标注软件Labelimg绘制永磁体图像中多类表面缺陷对象的矩形框，实现永磁体缺陷的标注，增加公开数据集Magnetic
‑
Tile原种类缺陷数量，并新增污点、缺角和划痕三类缺陷种类，得到永磁体缺陷数据集。3.根据权利要求1所述的永磁体表面缺陷的轻量化机器视觉检测方法，其特征在于，所述步骤S2中的数据增强处理包括亮度增强和降低、宽度等比放大、镜面翻转、角度翻转和垂直翻转。4.根据权利要求1所述的永磁体表面缺陷的轻量化机器视觉检测方法，其特征在于，所述步骤S3包括以下分步骤：S31、将COCO2017公开图像数据集训练过的YOLOv7
‑
Tiny网络作为预训练模型；S32、通过特定网络冻结方式的迁移学习机制，使永磁体缺陷数据集对预训练模型进行再训练和微调，将预训练模型的图像特征提取能力迁移到适合提取永磁体表面缺陷图像特征的YOLOv7
‑
Tiny网络模型中，并将其作为教师模型。5.根据权利要求1所述的永磁体表面缺陷的轻量化机器视觉检测方法，其特征在于，所述步骤S4具体为：计算教师模型中每个通道的L2范数并从大到小排序，并按照设定的比例裁剪掉较小L2范数对应的通道，得到学生模型。6...
【专利技术属性】
技术研发人员：黄沁元，周颖，杨天，杨坤，朱玉珍，
申请(专利权)人：四川轻化工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。