本发明专利技术公开了一种铝材表面细小划痕的缺陷检测方法、系统及存储介质，利用主干网络提取图像的多尺度的层次性特征信息，并输出多层级的特征图；针对特征图，基于损失成本进行稀疏采样，生成稀疏采样图。将稀疏采样图与高层级的特征图相乘，再与高层级的特征图的语义信息调制的低层级的特征图进行融合，对特征块进行分割并输入到编码器中添加定位信息；使用解码器解码特征信息，并输出预测定位边界框和目标类别。基于训练后的网络模型检测铝材表面的缺陷。本发明专利技术聚焦前景特征，使模型学习注意力更加集中在细小目标所在的像素点上，逐步引入细粒度特征，增强模型的目标表达能力，从而提高了模型对细小划痕缺陷的检测精度。
【技术实现步骤摘要】
本专利技术属于缺陷检测的，具体涉及一种铝材表面细小划痕的缺陷检测方法、系统及存储介质。
技术介绍
1、随着我国国力逐步增强，促使工业产品种类不断的增多，各种铝材制品出现在人们的生活中。铝材质地轻巧，强度高，生产成本低，所以制造业中偏向于使用铝材作为基础材料，如工业零部件、电子产品外壳、窗户边框等等，推进工业轻量化产品的发展，提高产品环保级别。然而，因生产工艺和加工方式的传统性，铝材表面会出现划痕、碰伤、凹印等缺陷，铝材表面的缺陷程度是评判其质量的标准之一，如何完善铝材的缺陷检测技术是目前制造业研究的热门问题之一。
2、目前，铝材表面划痕检测方法大致分为3类：
3、①人工检测：利用人眼对铝材表面缺陷进行识别判断，人力成本较大，检测人员主观性因素较大。
4、②单一机理识别：利用光学、电磁学或声学元器件收集电信号或磁信号，再通过处理这些信号实现缺陷检测，例如激光扫描检测法、红外线检测法等，这种方法外部设备采购成本大，且场景使用局限性大，所以在制造业中未能得到推广。
5、③基于机器识别的方法：可以借助深度学习技术高质本文档来自技高网...
【技术保护点】
1.一种铝材表面细小划痕的缺陷检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种铝材表面细小划痕的缺陷检测方法，其特征在于，所述步骤S22包括以下步骤：
3.根据权利要求1或2所述的一种铝材表面细小划痕的缺陷检测方法，其特征在于，所述损失成本包括交叉熵损失函数和KL散度，且计算公式如下：
4.根据权利要求1所述的一种铝材表面细小划痕的缺陷检测方法，其特征在于，所述网络模型的总的损失函数包括损失成本的计算函数以及解码器中使用的位置回归损失函数和分类损失函数；所述损失成本的计算函数包括分类损失函数和KL散度。
>5.一种铝材表面细...
【技术特征摘要】
1.一种铝材表面细小划痕的缺陷检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种铝材表面细小划痕的缺陷检测方法，其特征在于，所述步骤s22包括以下步骤：
3.根据权利要求1或2所述的一种铝材表面细小划痕的缺陷检测方法，其特征在于，所述损失成本包括交叉熵损失函数和kl散度，且计算公式如下：
4.根据权利要求1所述的一种铝材表面细小划痕的缺陷检测方法，其特征在于，所述网络模型的总的损失函数包括损失成本的计算函数以及解码器中使用的位置回归损失函数和分类损失函数；所述损失成本的计算函数包括分类损失函数和kl散度。
5.一种铝材表面细小划痕的缺陷检测系统，基于权利要求1-4任一项所述的缺陷检测方法进行，其特征在于，包括图像处理模块、模型训练模块和缺陷检测模块；所述图像处理模块用于获取铝材表面图像并生成训练集，所述模型训练模块用于采用训练集训练网络模型，所述缺陷检测模块用于将待检测的图像输入训练后的网络模型并输出缺陷检测结果；
6.根据权利要求5所述的一种铝材表面细小划痕的缺陷检测系统，其特征在于，所述调制分支包括从前至后依次设置的第一特征相乘层、多层感知机、上采样层、第二特征相乘层、特征相加层、多层感知机和卷积组合块；所述第一特征相乘层的输入包括稀疏采样图和高层级的特征图，低层级的特征图分别输入第二特征相乘层和特征相加层。
7.根据权利要求6所述的一种铝材表面...
【专利技术属性】
技术研发人员：张问全，徐晨，
申请(专利权)人：四川怡田科技有限公司，
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。