【技术实现步骤摘要】
本专利技术涉及镍片检测，尤其涉及一种基于语义分割的镍片自动检测方法。
技术介绍
1、镍具有铁磁性的金属元素，它能够高度磨光和抗腐蚀，主要用来制造不锈钢和其他抗腐蚀合金，如镍钢、铬镍钢及各种有色金属合金，可用来制造货币等，含镍成分较高的铜镍合金，就不易腐蚀，也作加氢催化剂和用于陶瓷制品、特种化学器皿、电子线路、玻璃着绿色以及镍化合物制备等等，现有的镍片在生产过程中通常会需要对镍片镍膏进行检测。
2、语义分割是计算机视觉领域的一项重要技术，它可以将图像分割成不同的语义区域，从而实现对图像中不同物体或区域的精确识别和定位，随着计算机视觉算法的飞速发展，基于卷积神经网络的语义分割算法是近年来计算机视觉研究领域最重要、最热门的研究内容之一，相关算法和技术在工业界有了越来越广泛的应用。
3、传统算法检测镍片锡膏主要指的是基于图像处理和计算机视觉的传统方法，虽然有速度较快，计算资源要求低等优势，但是随着镍片背景的复杂程度不断的提高，传统算法在复杂情况下表现不佳，既存在参数过多，算法调整困难，又无法有效地进行检测和分割，而且对于噪声、光照变化、遮挡等问题可能比较敏感，因此，本专利技术提出一种基于语义分割的镍片自动检测方法以解决现有技术中存在的问题。
技术实现思路
1、针对上述问题，本专利技术的目的在于提出一种基于语义分割的镍片自动检测方法，解决传统算法检测镍片锡膏时存在参数过多，算法调整困难，无法有效地进行检测和分割，且对于噪声、光照变化、遮挡等问题可能比较敏感，导致检测表
2、为了实现本专利技术的目的，本专利技术通过以下技术方案实现：一种基于语义分割的镍片自动检测方法，包括以下步骤：
3、步骤一：先采用x-ray检测机对镍片样品进行x射线检测，获取x射线图像，再收集包含镍片样品的x射线图像数据集并标注区分镍片区域；
4、步骤二：先根据实际检测需要选择适配的语义分割模型，再将选择的语义分割模型应用于镍片检测任务中进行训练；
5、步骤三：使用验证数据集对经过训练的语义分割模型进行评估，以检测并优化语义分割模型在镍片区域分割上的性能；
6、步骤四：先采用x-ray检测机对待检测镍片进行检测并获取新的x射线图像，使用经过训练和优化的语义分割模型对新的x射线图像进行镍片位置的检测计算；
7、步骤五：根据步骤四中的镍片位置检测计算结果，判断镍片是否存在不良。
8、进一步改进在于：所述步骤一中，以标注的方式将x射线图像中的镍片区域和除镍片以外的区域区分开来，其中除镍片以外的区域包括背景区域和其它材料区域。
9、进一步改进在于：所述步骤二中，应用语义分割模型的具体步骤为：使用经过标注的x射线图像数据来训练语义分割模型，使其准确识别x摄像图像中的镍片区域。
10、进一步改进在于：所述步骤二中，所述语义分割模型选自u-net网络模型、segnet网络模型或deeplab网络模型中的其中一种。
11、进一步改进在于：所述步骤三中，根据语义分割模型的评估结果，确定语义分割模型中需要调整的模型架构、超参数和数据增强方法并进行对应调整，以优化语义分割模型的性能。
12、进一步改进在于：所述步骤四中，所述经过训练和优化的语义分割模型在对新的x射线图像进行检测时，将x射线图像中的每个像素分类为镍片区域和除镍片以外的区域，以帮助确定镍片的位置和存在。
13、进一步改进在于：所述步骤四中，在检测计算过程中根据实际检测需要对x射线图像进行后处理，具体为去除错误分割区域，以提升检测结果准确性。
14、进一步改进在于：所述步骤四中，在检测计算过程中根据实际检测需要对x射线图像进行后处理，具体为进行形态学操作，以提升检测结果准确性。
15、本专利技术的有益效果为：本专利技术通过x-ray检测机获得镍片的图像，并将语义分割与传统算法相结合，用语义分割抓取到传统算法难以抓到的镍片锡膏轮廓，减少算法参数的数量并提升算法的稳定性与准确性，且算法调整简单，能有效的进行检测和分割，在提高检测速度的同时保证了在复杂情况下的良好检测表现，并在一定程度上降低对噪声、光照变化和遮挡等问题的敏感性，进一步帮助准确确定镍片位置和存在，给镍片的优良检测带来便捷。
本文档来自技高网...【技术保护点】
1.一种基于语义分割的镍片自动检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于语义分割的镍片自动检测方法，其特征在于：所述步骤一中，以标注的方式将X射线图像中的镍片区域和除镍片以外的区域区分开来，其中除镍片以外的区域包括背景区域和其它材料区域。
3.根据权利要求1所述的一种基于语义分割的镍片自动检测方法，其特征在于：所述步骤二中，应用语义分割模型的具体步骤为：使用经过标注的X射线图像数据来训练语义分割模型，使其准确识别X摄像图像中的镍片区域。
4.根据权利要求1所述的一种基于语义分割的镍片自动检测方法，其特征在于：所述步骤二中，所述语义分割模型选自U-Net网络模型、SegNet网络模型或DeepLab网络模型中的其中一种。
5.根据权利要求1所述的一种基于语义分割的镍片自动检测方法，其特征在于：所述步骤三中，根据语义分割模型的评估结果，确定语义分割模型中需要调整的模型架构、超参数和数据增强方法并进行对应调整，以优化语义分割模型的性能。
6.根据权利要求1所述的一种基于语义分割的镍片自动检测方法，其
7.根据权利要求1所述的一种基于语义分割的镍片自动检测方法，其特征在于：所述步骤四中，在检测计算过程中根据实际检测需要对X射线图像进行后处理，具体为去除错误分割区域，以提升检测结果准确性。
8.根据权利要求1所述的一种基于语义分割的镍片自动检测方法，其特征在于：所述步骤四中，在检测计算过程中根据实际检测需要对X射线图像进行后处理，具体为进行形态学操作，以提升检测结果准确性。
...【技术特征摘要】
1.一种基于语义分割的镍片自动检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于语义分割的镍片自动检测方法，其特征在于：所述步骤一中，以标注的方式将x射线图像中的镍片区域和除镍片以外的区域区分开来，其中除镍片以外的区域包括背景区域和其它材料区域。
3.根据权利要求1所述的一种基于语义分割的镍片自动检测方法，其特征在于：所述步骤二中，应用语义分割模型的具体步骤为：使用经过标注的x射线图像数据来训练语义分割模型，使其准确识别x摄像图像中的镍片区域。
4.根据权利要求1所述的一种基于语义分割的镍片自动检测方法，其特征在于：所述步骤二中，所述语义分割模型选自u-net网络模型、segnet网络模型或deeplab网络模型中的其中一种。
5.根据权利要求1所述的一种基于语义分割的镍片自动检测方法，其特征在于：所述步骤...
【专利技术属性】
技术研发人员：林毅宁，
申请(专利权)人：昆山善思光电科技有限公司，
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。