一种带钢表面缺陷检测系统技术方案

本发明专利技术涉及一种带钢表面缺陷检测系统，包括：可编程逻辑模块PL：用于部署神经网络模型，同时接收带钢表面图像数据，并通过所述神经网络模型对带钢表面图像数据进行加速运算，得到加速运算结果；处理器模块PS：用于控制所述神经网络模型的执行流程，并根据所述可编程逻辑模块PL的加速运算结果输出带钢表面缺陷类型，其中，所述带钢表面缺陷类型包括夹杂、划痕、压入氧化皮、裂纹、麻点和斑块。本发明专利技术通过软件(即可编程逻辑模块PL)和硬件(处理器模块PS)结合的方式对带钢表面缺陷进行检测的技术，以满足企业对于小尺寸和低功耗应用的需求。满足企业对于小尺寸和低功耗应用的需求。满足企业对于小尺寸和低功耗应用的需求。

【技术实现步骤摘要】
一种带钢表面缺陷检测系统


[0001]本专利技术涉及带钢表面缺陷检测
，尤其是指一种带钢表面缺陷检测系统。

技术介绍

[0002]人工智能作为一门综合性的高科技学科，给当前社会带来了越来越多的影响，当代科学技术的智能化已成为未来发展趋势。如今，在工业生产中实现自动化的机器人，嵌入式智能图像识别与处理等都是现今人工智能发展的重要方向。深度学习属于人工智能领域的一类，深度学习通过多层神经网络提取特征来解决机器学习当中一系列的问题。卷积网络与深度神经网络通过其网络模型以及足够多的训练数据集，可以完成很多传统人工算法无法完成的功能。目前，CNN已经应用于手写数字识别，工业缺陷检测等等实际生活当中。
[0003][0004]目前，多个研究院和国内外高校都对带钢表面缺陷检测进行了研究，其中用的最多的是基于视觉系统的检测方法，此方法不需要接触带钢表面，在生产机器上安装一个传感器，搭配一个专用的检测系统，就可以实现对于带钢表面的图像采集，处理以及分类等功能。为了实现冷轧带钢表面缺陷的在线检测，北京科技大学钢铁共性技术协同创新中心对缺陷分割、特征提本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种带钢表面缺陷检测系统，其特征在于：包括：可编程逻辑模块PL：用于部署神经网络模型，同时接收带钢表面图像数据，并通过所述神经网络模型对带钢表面图像数据进行加速运算，得到加速运算结果；处理器模块PS：用于控制所述神经网络模型的执行流程，并根据所述可编程逻辑模块PL的加速运算结果输出带钢表面缺陷类型，其中，所述带钢表面缺陷类型包括夹杂、划痕、压入氧化皮、裂纹、麻点和斑块。2.根据权利要求1所述的带钢表面缺陷检测系统，其特征在于：所述可编程逻辑模块PL设置有：DDR单元：用于存储神经网络模型的执行指令、神经网络模型的网络权重和带钢表面图像数据，其中，所述神经网络模型的执行指令包括卷积指令、池化指令和ReLU指令；DMA单元：用于搬运数据；片上存储单元：在所述处理器模块PS启动可编程逻辑模块PL后，所述DMA单元将DDR单元中的带钢表面图像数据搬运到片上存储单元；权重buffer单元：在所述处理器模块PS启动可编程逻辑模块PL后，所述DMA单元将DDR单元中的神经网络模型的网络权重搬运到权重buffer单元；指令RAM单元：在所述处理器模块PS启动可编程逻辑模块PL后，所述DMA单元将DDR单元中的神经网络模型的执行指令搬运到指令RAM单元。3.根据权利要求2所述的带钢表面缺陷检测系统，其特征在于：所述处理器模块PS设置有指令控制单元；所述指令控制单元用于从所述指令RAM单元中读取神经网络模型的卷积指令，并将读取的卷积指令分发至卷积运算模块，所述卷积运算模块根据接收到的卷积指令，分别从所述片上存储单元和权重buffer单元中读取带钢表面图像数据和神经网络模型的网络权重，并对读取到的数据执行卷积运算，得到卷积运算数据；卷积运算结束后，所述指令控制单元从所述指令RAM单元中读取神经网络模型的ReLU指令，并将读取的ReLU指令分发至ReLU模块；所述ReLU模块对卷积运算数据执行ReLU运算，得到ReLU运算数据，并将所述ReLU运算数据和卷积运算数据同时存储至片上存储单元；ReLU运算结束后，所述指令控制单元从所述指令RAM单元中读取神经网络模型的池化指令，并将读取的池化指令分发至池化模块；所述池化模块从所述片上存储单元中读取ReLU运算数据和卷积运算数据，并对读取的数据执行池化运算，得到池化运算数据；所述卷积运算模块、ReLU模块和池化模块用于实现对所述神...

【专利技术属性】
技术研发人员：刘登峰，王垚尧，丁海峰，柴志雷，陈璟，吴秦，周浩杰，王宁，
申请(专利权)人：江南大学，
类型：发明
国别省市：