刨花板表面缺陷检测的方法、装置、设备和存储介质制造方法及图纸

本发明专利技术实施例提供了一种刨花板表面缺陷检测的方法、装置、设备和存储介质，该方法包括：基于特征提取网络和特征融合网络，确定每个样本图像对应的待检测样本特征图；基于缺陷检测模型，确定待检测样本特征图中每个先验框对应的预测框及预测向量；通过上采样和多层卷积操作，提取参考样本特征图对应的原型掩膜；并结合基于参考预测框对应的预测向量，确定每个预测框内待检测目标对应的掩膜矩阵；基于掩膜矩阵，确定样本图像的分割结果。本发明专利技术提供的缺陷检测模型可对缺陷进行识别和框定，并利用预测框的掩膜系数和最大划分尺度的待检测样本特征图的原型掩膜的线性组合，精准确定缺陷的边界，提高刨花板缺陷识别和框定的准确度及分割的精准度。及分割的精准度。及分割的精准度。

【技术实现步骤摘要】
刨花板表面缺陷检测的方法、装置、设备和存储介质


[0001]本专利技术涉及图像识别
，尤其涉及一种刨花板表面缺陷检测的方法、装置、设备和存储介质。

技术介绍

[0002]刨花板被广泛应用于家具制作、装饰装修、地板基材制作、复合门制造等行业，刨花板是由木材或其他木质纤维素材料制作的碎料胶合成的人造板，在刨花板连续压机的生产过程中，由于受到原材料质量、生产工艺等多种因素影响，会有个别产品板面出现胶斑、胶块、刨花、粉尘斑、油污、漏芯等缺陷，表面缺陷会降低板材强度、影响二次加工，给企业带来经济损失。
[0003]传统的检测方法多通过人工肉眼进行缺陷检测，但由于长时间工作，质检工人极易产生视觉疲劳，导致漏检率和误检率较高。同时人工检验速度低于产线运行速度，产线只能在低速运行状态下配合人工进行检测，极大限制了刨花板的生产效率。而现有的检测方法大多使用图像处理技术和缺陷特征提取来框定缺陷，然后再对缺陷进行分类。缺陷检测分为两步进行，对应的计算量较大，且无法准确计算刨花板表面缺陷目标面积大小，不利于实现工厂生产的精细化管理。<br/>[0004]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种刨花板表面缺陷检测的方法，其特征在于，包括：基于缺陷检测模型中特征提取网络和特征融合网络，确定每个样本图像对应的待检测样本特征图；所述样本图像为存在缺陷的刨花板图像；所述待检测样本特征图包括按照三种尺度划分成网格的图像；基于缺陷检测模型中分割层，确定所述待检测样本特征图中每个网格内先验框对应的预测框，以及所述预测框对应的预测向量；所述预测向量包括用于表征所述预测框内各待检测目标对应的权重的掩膜系数；通过上采样和多层卷积操作，提取参考样本特征图对应的原型掩膜；所述参考样本特征图为所述待检测样本特征图中划分尺度最大的一个；基于参考预测框对应的预测向量中的掩膜系数和所述参考样本特征图对应的原型掩膜，确定每个所述预测框内待检测目标对应的掩膜矩阵；所述参考预测框为基于非极大值抑制算法，对所述待检测样本特征图中每个网格内的预测框进行筛选得到的；所述掩膜矩阵用于表示所述待检测目标对应的预测分割区域；基于所述掩膜矩阵，对所述待检测样本特征图进行裁剪和二值化处理，得到所述样本图像的分割结果；所述分割结果为所述样本图像中每个待检测目标的边界；所述缺陷检测模型用于按照所述待检测样本特征图在不同尺度下对应的先验框组进行锚定，确定与所述待检测样本特征图中待检测目标最接近的预测框、置信度、所述待检测目标所属的缺陷类别以及所述待检测目标的边界。2.根据权利要求1所述的刨花板表面缺陷检测的方法，其特征在于，所述缺陷检测模型的训练方法，包括：基于所述缺陷检测模型中分割层，确定每个预测框对应的正负样本标记和预测向量；所述预测框为所述待检测样本特征图中每个网格内每个先验框对应的预测框；所述正负样本用于表示所述预测框中是否存在待检测目标；基于第一预测概率、第一实际概率、以及正负样本标记参数，确定所述待检测样本特征图对应的分类损失；所述第一预测概率为所述预测框内待检测目标属于第一缺陷类别的概率；所述第一缺陷类别为缺陷分类中任意一种；所述第一实际概率为与所述第一预测概率所属的预测框对应的先验框内待检测目标属于第一缺陷类别的真实概率；基于所述预测框对应的预测向量中的预测置信度、与所述预测框对应的先验框对应的真实置信度、以及正负样本标记参数，确定所述待检测样本特征图对应的置信度损失；基于第一预测掩膜矩阵和第一实际掩膜矩阵，以及正负样本标记参数，确定所述待检测样本特征图对应的分割损失；所述第一预测掩膜矩阵为所述预测框对应的掩膜系数和所述参考样本特征图对应的原型掩膜进行线性组合的结果；所述第一实际掩膜矩阵为在所述预测框所属的网格对应的真实掩膜区域；基于所述预测框对应的预测向量中的预测框的位置，与所述预测框存在重叠的真实框的位置，确定所述待检测样本特征图对应的边界框回归损失；所述网格中待检测目标对应的预测框和真实框的交并比、所述预测框的中心点和所述真实框的中心点之间的距离、所述预测框的宽高比和所述真实框的宽高比的相似度、以及所述相似度对应的权重系数，确定所述待检测样本特征图对应的边界框回归损失；在所述分类损失、所述置信度损失、所述分割损失和所述边界框回归损失确定的总损
失函数最小的情况下，完成所述缺陷检测模型的训练。3.根据权利要求2所述的刨花板表面缺陷检测的方法，其特征在于，所述基于缺陷检测模型中特征提取网络和特征融合网络，确定每个样本图像对应的待检测样本特征图，包括：基于改进的YOLOv5s算法构建的所述特征提取网络，对所述样本图像进行处理，得到三种不同划分尺度的第一特征图；基于深层卷积网络，对上采样后的第二特征图与第三特征图的拼接结果进行特征聚合，确定第一聚合结果；所述第二特征图为所述第一特征图中划分尺度最小的一个进行卷积处理后的结果；所述第三特征图为所述第一特征图中划分尺度次小的一个；基于浅层卷积网络，对上采样后的所述第一聚合结果与第四特征图的拼接结果进行特征聚合，确定第二聚合结果，并输出划分尺度最大的所述待检测样本特征图至分割层；所述第四特征图为所述第一特征图中划分尺度最大的一个；对所述第二聚合结果与所述第一聚合结果的拼接结果进行卷积处理，确定第三聚合结果，作为划分尺度次大的所述待检测样本特征图输出至分割层；对所述第三聚合结果和所述第二特征图的拼接结果，进行卷积处理，输出划分尺度最小的所述待检测样本特征图至分割层。4.根据权利要求3所述的刨花板表面缺陷检测的方法，其特征在于，所述基于改进的YOLOv5s算法构建的所述特征提取网络，对所述样本特征图进行处理，得...

【专利技术属性】
技术研发人员：王文财，党亚光，苍志智，朱翔，关淯尹，沈彤，李嘉禄，
申请(专利权)人：北京金隅集团股份有限公司，
类型：发明
国别省市：