一种基于Mask R-CNN的样件缺陷识别标定方法技术

本发明专利技术公开了一种基于Mask R‑CNN的样件缺陷识别标定方法，涉及缺陷识别标定技术领域。具体包括：获取样件的数字图像；处理后得到网络提取特征图并输入至RPN，生成建议框；使生成的建议框变换到相同的维度，再分别送入分类网络和回归网络，进行缺陷识别，并生成对应的掩码，完成实例分割；对模型进行训练和测试，最终得到训练好的模型；利用训练好的模型对样件的内部缺陷进行识别与标定；将获得的掩码，按原数字图像的顺序进行排列组合，生成含缺陷标定的三维模型。本发明专利技术中融合了金字塔特征网络和运用感兴趣区域对齐技术，可以提取出样件内部不同尺度的特征信息，有利于同时识别出不同大小的缺陷且保证了模型的准确性。

【技术实现步骤摘要】

本专利技术属于缺陷识别标定，尤其涉及一种基于mask r-cnn的样件缺陷识别标定方法。

技术介绍

1、ct成像的原理是利用x射线透过放在旋转平台的样件，由视觉探测器感知透过样件后的射线能量信号，将其转化为数字信号后进行数字图像的生成与存储。在实际应用中，工厂常用此方法探测样件的内部缺陷，但对于样件内部缺陷的标定与识别却主要依靠人工目视来完成，受检测员的检测水平的影响，其可靠性与稳定性难以保证，且人工进行三维的识别与标定需要花费大量的时间成本。

2、因此，提出一种基于mask r-cnn的样件缺陷识别标定方法，来解决现有技术存在的困难，是本领域技术人员亟需解决的问题。

技术实现思路

1、本专利技术提出一种基于mask r-cnn的样件缺陷识别标定方法，融合了金字塔特征网络(feature pyramid network，fpn)，可以提取出不同尺度的特征信息，有利于同时识别出不同大小的缺陷。此外，其运用的感兴趣区域对齐(roialign)技术比起原先的感兴趣区域池化(roipooling)具有更高本文档来自技高网...

【技术保护点】

1.一种基于Mask R-CNN的样件缺陷识别标定方法，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Mask R-CNN的样件缺陷识别标定方法，其特征在于，S2具体内容为：ResNet50模型作为主干网进行上采样分为五个阶段，第一阶段对输入的数字图像数据进行卷积、正则化、激活函数及最大池化的计算；

3.根据权利要求2所述的一种基于Mask R-CNN的样件缺陷识别标定方法，其特征在于，

4.根据权利要求2所述的一种基于Mask R-CNN的样件缺陷识别标定方法，其特征在于，S3具体内容为：

5.根据权利要求4所述的一种基于M...

【技术特征摘要】

1.一种基于mask r-cnn的样件缺陷识别标定方法，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mask r-cnn的样件缺陷识别标定方法，其特征在于，s2具体内容为：resnet50模型作为主干网进行上采样分为五个阶段，第一阶段对输入的数字图像数据进行卷积、正则化、激活函数及最大池化的计算；

3.根据权利要求2所述的一种基于mask r-cn...

【专利技术属性】
技术研发人员：周若男，步宇峰，姜立哲，杜洪泽，赵春雨，许琦，阎军，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：