【技术实现步骤摘要】
本专利技术涉及图像处理，尤其涉及一种钢板缺陷检测方法、装置、设备及存储介质。
技术介绍
1、钢板表面缺陷检测方法包含人工检测、涡流检测与基于深度学习的检测等主要检测方法。人工检测时，检测人员通过目视对比来检查钢板表面是否存在缺陷。在这个过程中缺陷的筛选受限于检测人员的主观判断，实际缺陷复杂情况，往往会漏掉部分缺陷。涡流检测通过在钢板表面产生高频交变磁场来实施。当涡流在钢板表面流动时，缺陷区域会对涡流产生阻碍作用，从而导致涡流的减小和热效应的降低。因此，钢板表面的缺陷区域与非缺陷区域之间存在温度差异。涡流产生需要较大的电流，因此消耗能源巨大，此外微小缺陷检测不敏感。
2、随着深度学习和计算机性能的不断发展，深度学习算法在目标检测方面展现出卓越的性能，逐渐成为钢板表面缺陷检测的主要方法。相较于传统的人工检测方法，基于深度学习缺陷检测方法的效率更高，对缺陷的判定更加客观。然而，由于钢板表面缺陷特征不明显，缺陷形态丰富，目前基于深度学习表面缺陷检测方法的精度需要进一步提高。
技术实现思路
<...【技术保护点】
1.一种钢板缺陷检测方法，其特征在于，所述钢板缺陷检测方法包括：
2.如权利要求1所述的钢板缺陷检测方法，其特征在于，所述基于所述样本缺陷集对缺陷检测网络进行训练，得到目标检测模型和各缺陷类型的置信度阈值，包括：
3.如权利要求2所述的钢板缺陷检测方法，其特征在于，所述根据各样本缺陷图像对应的缺陷标注文件和各处理缺陷图像对缺陷检测网络进行训练，得到目标检测模型和各缺陷类型的置信度阈值，包括：
4.如权利要求3所述的钢板缺陷检测方法，其特征在于，所述根据各样本缺陷图像对应的缺陷标注文件和各样本无缺陷图像进行缺陷融合，得到多个样本融合图
<...【技术特征摘要】
1.一种钢板缺陷检测方法，其特征在于，所述钢板缺陷检测方法包括：
2.如权利要求1所述的钢板缺陷检测方法，其特征在于，所述基于所述样本缺陷集对缺陷检测网络进行训练，得到目标检测模型和各缺陷类型的置信度阈值，包括：
3.如权利要求2所述的钢板缺陷检测方法，其特征在于，所述根据各样本缺陷图像对应的缺陷标注文件和各处理缺陷图像对缺陷检测网络进行训练，得到目标检测模型和各缺陷类型的置信度阈值，包括：
4.如权利要求3所述的钢板缺陷检测方法，其特征在于，所述根据各样本缺陷图像对应的缺陷标注文件和各样本无缺陷图像进行缺陷融合，得到多个样本融合图像，包括：
5.如权利要求3所述的钢板缺陷检测方法，其特征在于，所述根据所述模型训练集对缺陷检测网络进行训练，得到目标检测模型和各缺陷类型的置信度阈值，包括：
6.如权利要求2所述的钢...
【专利技术属性】
技术研发人员：段小勇，刘凯扬，李文杰，刘伍浪，梁宇，刘规杰，张瑞俊，张锦宙，张源，
申请(专利权)人：东风柳州汽车有限公司，
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。