基于计算机视觉的钢材表面缺陷检测方法及系统技术方案

本发明专利技术公开了基于计算机视觉的钢材表面缺陷检测方法及系统，方法包括：获取钢材表面图像；将钢材表面图像，输入到训练后的钢材表面缺陷检测模型中，输出钢材表面缺陷检测结果；模型用于对钢材表面图像进行预处理，对预处理后的图像进行特征提取，对提取的特征获取不同尺度的感受野，得到不同尺度的特征图，对不同尺度的特征图进行分类，得到钢材表面缺陷的分类结果。训练后的模型，采用改进的yolov7来实现，改进的yolov7是将原始yolov7的Neck模块的SPPCSPC单元，添加SGDR‑former注意力机制模块，实现全局和局部信息融合；将ELAN‑H单元的一个卷积模块，替换成轻量级的GSConv模块。

【技术实现步骤摘要】

本专利技术涉及计算机视觉和目标检测，特别是涉及基于计算机视觉的钢材表面缺陷检测方法及系统。

技术介绍

1、本部分的陈述仅仅是提到了与本专利技术相关的
技术介绍
，并不必然构成现有技术。

2、钢材广泛应用于土木工程、汽车制造等诸多领域，但是在钢材生产过程中，由于温度、压力等不一致，往往会导致钢材表面产生缺陷，因此在工程应用前必须对钢材缺陷检测。

3、传统钢材表面缺陷检测方法主要是人工巡检和物理接触检测，前者检测方式依赖于检测人员的工作经验；后面则需要训练检测人员的操作技能，否则有可能对钢材表面造成损伤。

4、随着信息技术快速发展，计算机视觉在钢材缺陷检测中开始成为研究的热点。目前，针对钢材表面缺陷的检测算法大部分直接采用卷积神经网络。卷积神经网络经典算法虽然在局部特征提取方面具有优势，但在全局特征提取方面存在局限性，因此无法应用在钢材缺陷尺度变化较大且钢材表面不同类型缺陷相互混淆的钢材生产厂。

技术实现思路

1、为了解决现有技术的不足，本专利技术提供了基于计算机视觉的钢材表面缺陷本文档来自技高网...

【技术保护点】

1.基于计算机视觉的钢材表面缺陷检测方法，其特征是，包括：

2.如权利要求1所述的基于计算机视觉的钢材表面缺陷检测方法，其特征是，所述训练后的钢材表面缺陷检测模型，训练过程包括：

3.如权利要求1所述的基于计算机视觉的钢材表面缺陷检测方法，其特征是，所述训练后的钢材表面缺陷检测模型，采用改进的yolov7来实现，改进的yolov7是将原始yolov7的Neck模块的SPPCSPC单元，添加SGDR-former注意力机制模块，实现全局和局部信息融合；将ELAN-H单元的一个卷积模块，替换成轻量级的GSConv模块；

4.如权利要求3所述的基于计算机视觉...

【技术特征摘要】

1.基于计算机视觉的钢材表面缺陷检测方法，其特征是，包括：

2.如权利要求1所述的基于计算机视觉的钢材表面缺陷检测方法，其特征是，所述训练后的钢材表面缺陷检测模型，训练过程包括：

3.如权利要求1所述的基于计算机视觉的钢材表面缺陷检测方法，其特征是，所述训练后的钢材表面缺陷检测模型，采用改进的yolov7来实现，改进的yolov7是将原始yolov7的neck模块的sppcspc单元，添加sgdr-former注意力机制模块，实现全局和局部信息融合；将elan-h单元的一个卷积模块，替换成轻量级的gsconv模块；

4.如权利要求3所述的基于计算机视觉的钢材表面缺陷检测方法，其特征是，所述骨干模块backbone，包括：依次连接的第一cbs单元、第二cbs单元、第三cbs单元、第四cbs单元、第一ealn单元、第一mp单元、第二ealn单元、第二mp单元、...

【专利技术属性】
技术研发人员：吴晓明，刘珊珊，侯冬冬，刘祥志，
申请(专利权)人：山东省计算中心国家超级计算济南中心，
类型：发明
国别省市：