一种基于改进Double U-net的工件缺陷检测方法技术

本发明专利技术提供一种基于改进Double U‑net的工件缺陷检测方法，该方法包括以下步骤：S1、获取工件图像并进行预处理；进行标注并将工件图像与标注图像按比例划分训练集与测试集；S2、使用训练集的数据对改进的Double U‑net网络进行训练，得到最优网络；该Double U‑net网络的改进是在第二个U‑net网络中使用带上下采样功能的卷积层的叠加替代普通的卷积层叠加，并在特征提取层内部嵌入类似U‑net的结构，以及将融合各层网络的特征图作为预测网络的输入；S3、将测试集中的数据输入最优网络中，得到预测结果；通过连通域分析，将最终获得的预测框绘制在原始图片上，在检测框上标出检测框的预测类别信息，完成工件缺陷的检测。本发明专利技术提供的工件缺陷检测方法提高了缺陷检出率与分类准确率。

【技术实现步骤摘要】

本专利技术涉及工件缺陷检测的，特别是涉及一种基于改进double u-net的工件缺陷检测方法。

技术介绍

1、在工业生产产品的质量分析中，对工件进行质量分析和缺陷检测能够评判该工件是否合格以及存在哪些缺陷，从而能够分析生产过程存在的问题，以便及时调整生产过程的各个环节并控制良品率。因此，工件的缺陷检测对工业质量分析的自动化和提高生产质量具有重要意义。

2、随着深度学习技术的理论在工业检测领域的广泛应用，为工件的缺陷检测的自动化提供了值得借鉴的手段。采用基于深度学习的工业缺陷检测研究较多，也取得了不错的成果，但目前仍然存在一些问题：工件缺陷图像的图像质量对检测效果有一定影响；工件缺陷一般具有弱纹理性，并且尺寸不一，检测难度较大；工件缺陷的类别多，各类缺陷存在类别数量不均衡的情况，这种不均衡表现为各类缺陷的平均尺寸不均衡以及数量上的不均衡，从而导致工件缺陷的分类难度较大；另外，某些缺陷还具有较高的相似度，因此还容易导致漏检率增加、分类困难、误判率增加等问题。上述缺陷是本领域技术人员期待克服的。

技术实现思路...

【技术保护点】

1.一种基于改进Double U-net的工件缺陷检测方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的一种基于改进Double U-net的工件缺陷检测方法，其特征在于，所述步骤S1中，使用DR设备采集工件图像；其中，预处理包括：获取数据后，剔除质量差的工件图像；将工件图像经过中值滤波和伽马矫正，保留工件图像的细节，去除噪声并保持图像的亮度一致，得到预处理后的工件图像。

3.根据权利要求1所述的一种基于改进Double U-net的工件缺陷检测方法，其特征在于，所述步骤S1中，将预处理后的工件图像进行标注包括：将预处理后的工件图像通过GIMP图像...

【技术特征摘要】

1.一种基于改进double u-net的工件缺陷检测方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的一种基于改进double u-net的工件缺陷检测方法，其特征在于，所述步骤s1中，使用dr设备采集工件图像；其中，预处理包括：获取数据后，剔除质量差的工件图像；将工件图像经过中值滤波和伽马矫正，保留工件图像的细节，去除噪声并保持图像的亮度一致，得到预处理后的工件图像。

3.根据权利要求1所述的一种基于改进double u-net的工件缺陷检测方法，其特征在于，所述步骤s1中，将预处理后的工件图像进行标注包括：将预处理后的工件图像通过gimp图像处理软件进行标注；将工件缺陷标注为各类别缺陷和背景。

4.根据权利要求1所述的一种基于改进double u-net的工件缺陷检测方法，其特征在于，所述步骤s2中，使用训练集的数据对改进的double u-net网络进行训练的方法如下：

5.根据权利要求4所述的一种基于改进double u-net的工件缺陷检测方法，其特征在于，在步骤s22中，增强后的数据首先通过第一个编码模块，以获取不同工件缺陷的特征信息，将提取的特征信息输入aspp模块，再将经过aspp模块的特征图输入第一个解码模块；随后，将第一个解码模块输出的特征图与输入第一个编码模块的图像相乘并输入第二个编码模块，以进一步提取不同工件缺陷的特征信息，将提取的特征信息输入第二个解码模块；最后，预...

【专利技术属性】
技术研发人员：田联房，谢宇航，杜启亮，朱旭圻，詹皇源，
申请(专利权)人：中新国际联合研究院，
类型：发明
国别省市：