【技术实现步骤摘要】
一种面向工业视觉质检的两阶段缺陷检测方法
[0001]本专利技术属于图像识别领域,涉及一种面向工业视觉质检的两阶段缺陷检测方法。
技术介绍
[0002]随着工业自动化和智能制造的发展,生产线上越来越多的环节可以实现自动化。在生产过程中,产品缺陷的出现可能会给企业带来巨大的损失,因此,对产品进行质量检测是非常重要的。传统的质量检测方法通常需要人工参与,效率低下、成本高昂,并且容易出现漏检和误检的问题,无法保证产品检测的准确性和一致性。而工业视觉产品缺陷检测技术的出现,可以实现自动化的产品质量检测,提高了生产线的效率和质量,降低了企业的生产成本。工业视觉产品缺陷检测技术基于计算机视觉技术,通过图像处理和分析,检测产品表面的缺陷、尺寸偏差等问题。通过预先训练模型,工业视觉产品缺陷检测技术可以自动识别缺陷并进行分类,从而实现对生产过程的实时监控和控制。工业视觉产品缺陷检测技术的应用范围非常广泛,包括电子、汽车、食品、医药、化工等众多行业。在电子行业中,工业视觉产品缺陷检测可以检测PCB板、芯片、LCD显示屏等电子元器件的缺陷;在汽车行业中,工业视觉产品缺陷检测可以检测汽车零部件的表面缺陷、尺寸偏差等问题;在食品行业中,工业视觉产品缺陷检测可以检测食品的大小、形状、颜色等特征,以保证其符合安全标准。
[0003]早期的工业视觉产品缺陷检测技术主要依赖于人工视觉,即人工检查和分类缺陷。随着计算机技术的不断发展,基于计算机视觉技术的工业视觉产品缺陷检测技术开始逐渐兴起。20世纪80年代,由于硬件和软件技术的限制,工业视觉产 ...
【技术保护点】
【技术特征摘要】
1.一种面向工业视觉质检的两阶段缺陷检测方法,其特征在于:该方法包括以下步骤:S1:收集工业环境下的产品质量检测的图像数据集,并且存储到数据库中;S2:对数据集进行清洗处理,去除图像质量较差和模糊不清的图像;S3:搭建两阶段缺陷检测模型,包括局部缺陷定位模块和缺陷类型预测模块两部分;S4:在检测模型中引入多尺度特征融合方法,包括空洞卷积空间平衡特征金字塔结构ASBFPN;S5:将数据集输入两阶段缺陷检测深度卷积神经网络模型中,通过模型训练学习到的特征进行预测;S6:输出缺陷检测位置以及预测缺陷类型。2.根据权利要求1所述的一种面向工业视觉质检的两阶段缺陷检测方法,其特征在于:所述对数据集进行清洗处理具体包括以下步骤:S21:去除图像质量达到一定值的以及模糊不清的图像;S22:去除指特征相似度达到一定值的图像;S23:根据正样本和负样本,将数据筛选好。3.根据权利要求1所述的一种面向工业视觉质检的两阶段缺陷检测方法,其特征在于:所述搭建两阶段缺陷检测模型包括:1)局部缺陷预测模块;通过Inception模块应用系数卷积神经网络来预测图像中缺陷的可能性;在卷积神经网络中找到一个局部最优的稀疏结构,在每个模块中,在3
×
3的卷积之前使用一个1
×
1的卷积来减少输出维度;其次,采用灰度图像作为检测框架的输入;为避免表示瓶颈,卷积核的大小用3
×
3的大小来代替5
×
5和7
×
7;邻接网络的Inception部分,使用两个Inception结构,其中Inception模块1用于增加网络稀疏,Inception模块2用于增加稀疏性,同时减少网格大小;后一部分是卷积网络的通用结构;为防止过拟合,使用40%输出下降率的dropout层;在网络的最后,使用线性层作为分类器;2)全局缺陷识别模块;在预测完所有的盒形图像后,得到输入图像的特征图;然后应用简单的卷积神经网络,根据尺寸为32
×
24大小图像进行识别缺陷的类型;首先,将特征图归一化为一个大小为32
×
32,通过零填充的方式;采用LeNet模型对特征图进行识别,LeNet模型包括7层,包括3个卷积层、2个池化层和2个全连接层;三个卷积层的核都是5
×
5,两个池化层的窗口大小都是2
×
2;用Relu作为它的激活函数;与最后一个卷积层连接的全连接层的主要功能是特征的融合和增强;最后,采用softmax分类器进行分类预测。4.根据权利要求1所述的一种面向工业视觉质检的两阶段缺陷检测方法,其特征在于:所述S4中,ASBFPN模块是缺陷检测模块的头部模块,进行特征融合;在ABPFN中,设计两个特征融合模块,skip
‑
ASPP模块和balanced模块;1)skip
‑
ASPP模块;C1为对输入图像进行下采样得到的特征图;C={C2,C3,C4,C5}表示骨干中相应残差块在每一阶段所获得的特征图;C5是骨干最后阶段的最后一个残差块的输出特征图,是skip
‑
ASPP模块的输入,使用的算子是空洞卷积算子;在ASBFPN中使用5个ASPP模块,采用的是密集的连接,在层次较深的网络中效果较好,提出的skip
...
【专利技术属性】
技术研发人员:彭海英,谭磊,张普宁,杨志刚,吴大鹏,王汝言,
申请(专利权)人:重庆邮电大学,
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。