【技术实现步骤摘要】
本专利技术涉及铝型材表面缺陷分类，尤其涉及一种基于网络铝型材表面缺陷的分类识别方法。
技术介绍
1、作为地球上含量最丰富的金属元素，铝在我们的日常生活和生产中扮演着举足轻重的角色，其产量和用量仅次于钢铁。铝及铝型材具有密度低、易加工、导电导热性好、耐腐蚀及可回收等优点。
2、随着全球工业化进程的不断推进，铝型材得到了大众广泛的认可与使用，铝型材市场正逐步扩大。它在建筑、汽车交通和高端装备制造等领域有着重要的应用。在论文：liuz,li l,li s,et al.simulation analysis of portholedie extrusion process anddie structure modifications for an aluminum profile with high length–widthratio and small cavity[j].materials,2018,11(9):1517.论文：liu z,li l,jie y i,et al.influence of heat treatment conditions on bending characteristicsof6063aluminum alloy sheets[j].transactions of nonferrous metals society ofchina,2017,27(7):1498-1506.论文：yongxiao w,guoqun z.hot extrusion processingof al–li all
3、在实际制造中，铝型材的生产工艺复杂，主要包括挤压、阳极氧化、电解着色、电泳涂漆、粉末喷涂等，其表面很容易出现十种典型的缺陷：凹线concave line：cl、脏点dirtyspot：ds、漏底exposed bottom：eb、角位露底exposed corner bottom：ecb、擦花graze：gra、杂色mixed color：mc、不导电non-conductivity：nc、桔皮orange peel：op、漆泡paintbubble：pb以及喷流spray paint flow：spf，这些缺陷不仅影响产品的美观，而且也会严重影响铝型材的表面质量，降低产品的使用寿命和耐用性。在论文：zhang d,song k,xu j,etal.unified detection method of aluminium profile surface defects:common andrare defect categories[j].optics and lasers in engineering,2020,126:105936.和论文wei r,bi y.research on recognition technology of aluminum profile surfacedefects based on deep learning[j].materials,2019,12(10):1681.中有所提及。因此，采用直接有效的表面缺陷检测方法来把控铝型材的表面质量具有十分重要的意义。
4、在提出之际，repvgg网络便在imagenet数据集中表现出强大的分类能力。在后续的研究中，feng等融合了repvgg和sa注意力机制，并将其成功应用于带钢表面缺陷分类任务中，并获得了95.10％的分类精度，高于基础的repvgg网络。参考论文：feng x,gao x,luol.x-sdd:a new benchmark for hot rolled steel strip surface defects detection[j].symmetry,2021,13(4):706.。但目前如何在深度学习网络中加入注意力机制提高网络性能；cbam注意力模块与repvgg网络结合怎样关注对象的通道信息和位置信息，解决铝型材表面缺陷尺度差异大，位置分布不规律是值得关注的问题。
技术实现思路
1、本专利技术的目的在于提供一种基于网络铝型材表面缺陷的分类识别方法。在此基础上，本专利技术将repvggb3g4与cbam相结合，提出了repvgg-cbam模型。本专利技术在repvggb3g4的基础上进行改进，在网络的stage 1到stage 4之后分别添加一个cbam模块。repvgg-cbam网络的性能将比原始网络有较大的提高。本专利技术构建了repvgg-cbam网络并在扩增数据集上进行分类实验，此外，还将其与其他网络进行对比来证明本专利技术所提出方法的优越性。
2、为了实现上述专利技术目的，本专利技术采用技术方案具体为：
3、一种基于网络铝型材表面缺陷的分类识别方法，包括如下步骤：
4、s10：建立铝型材表面缺陷标准图库；
5、s20：待检测图片进行训练、验证、测试；
6、s30：待检测图片缺陷位置判定，建立repvggb3g4模型和cbam模型，将repvggb3g4模型与cbam模型相结合。
7、s11：将表面缺陷数据集中每张图片中包含一种典型缺陷的图片的分辨率从2560×1920dpi缩放到400×300dpi；
8、s12：对缩放的图片进行数据增强，数据增强的方式为旋转、翻转、镜像、亮度变换、对比度变换的一种或几种组合；
9、s13：对数据集进行划分，将所有缺陷图片标注完毕后，按照8：1：1的比例将整个数据集划分为训练集、验证集和测试集三部分。
10、repvgg的网络架构使用了两种分支结构：仅包含conv3×3和conv1×1分支的repvgg block a和包含3×3卷积、1×1卷积和identity分支的repvgg block b，通过堆叠repvgg block、和relu激活函数得到repvgg训练网络，由于训练网络有多个分支，不仅处理网络深层的梯度消失问题，还在深层获得更鲁棒的特征表示。训练结束后，再通过模型重参数化将其等价转化单分支的部署模型，使其具有更快的推理速度。
11、repvgg block每个分支中均包含bn层，它有效解决梯度消失和梯度爆炸问题，但bn层在前向推理过程中会占用大量的显存，增加了模型推理时间。因此，为了提高推理速度，将卷积层和批归一化(batch normalization,bn)层合并，卷积层和bn层的公式如(1)和(2)；
12、conv(x本文档来自技高网...
【技术保护点】
1.一种基于网络铝型材表面缺陷的分类识别方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于网络铝型材表面缺陷的分类识别方法，其特征在于，
3.根据权利要求1所述的一种基于网络铝型材表面缺陷的分类识别方法，其特征在于，
4.根据权利要求1所述的一种基于网络铝型材表面缺陷的分类识别方法，其特征在于，
5.根据权利要求1所述的一种基于网络铝型材表面缺陷的分类识别方法，其特征在于，铝板表面缺陷包括：凹线concave line：cl、脏点dirty spot：ds、漏底exposed bottom：eb、角位露底exposed corner bottom：ecb、擦花graze：gra、杂色mixed color：mc、不导电non-conductivity：nc、桔皮orange peel：op、漆泡paint bubble：pb以及喷流spray paintflow：spf中的至少一种。
6.根据权利要求1所述的一种基于网络铝型材表面缺陷的分类识别方法，其特征在于，网络为RepVGGB3g4-CBAM网络。<...
【技术特征摘要】
1.一种基于网络铝型材表面缺陷的分类识别方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于网络铝型材表面缺陷的分类识别方法，其特征在于，
3.根据权利要求1所述的一种基于网络铝型材表面缺陷的分类识别方法，其特征在于，
4.根据权利要求1所述的一种基于网络铝型材表面缺陷的分类识别方法，其特征在于，
5.根据权利要求1所述的一种基于网络铝型材表面缺陷的分类识别方法，其特征在于，铝板表面缺陷包括：凹线concave line：cl、脏...
【专利技术属性】
技术研发人员：吕帅帅，侯正捷，李斌，倪红军，施卫东，李晓源，李志扬，汪兴兴，陶传振，周林，郝壮壮，
申请(专利权)人：南通大学，
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。