一种基于特征学习的工件裂纹视觉检测方法技术

本发明专利技术涉及一种基于特征学习的工件裂纹视觉检测方法，将工件图像的裂纹检测问题看作一个基于图像的分类问题，最终通过分割块回归到整体图像的检测结果。在网络结构中采用直方图均衡的方式，剔除了背景干扰，放大工件裂纹与正常区域之间的色彩差异。并通过分类器获得最终检测结果。该结果相比其他现有技术能够准确识别工件细小裂纹，并且在实际工件数据集上训练速度快，识别率高，准确率达到50％，召回率达到了90％以上。这些性能指标标志着本方法为工件图像裂纹检测提供了更加有益的效果。

【技术实现步骤摘要】

本专利技术属于计算机视觉，图形处理，涉及一种基于特征学习的工件裂纹视觉检测方法。主要针对工业产品dr图像的裂纹检测问题，具体涉及一种基于滑动窗口与图像特征的裂纹检测方法。

技术介绍

1、裂纹检测技术是广泛应用于各种工程领域的重要技术，旨在及早发现并评估结构中的裂纹，以确保设施、建筑物或机械部件的安全性和可靠性。裂纹可能是由于材料疲劳、应力集中、自然环境影响或制造缺陷等原因而产生，可能存在于钢铁结构、混凝土构件、管道、航空航天零部件等各种复杂材料和构件中。

2、直接对裂纹进行人工检测的方式局限性大，需要大量的人力与时间。因此基于图像的裂纹检测技术显得尤为重要。目前，基于图像的裂纹检测技术随着卷积神经网络的快速发展，主要由两种方法：第一种是有监督的方法，在利用标记了标签(包括类别、矩形框或逐像素等)的带有裂纹缺陷图像输入到网络中进行训练.此裂纹"意味着标记过的区域或者图像。tao等人提出的“x.tao,d.zhang,w.ma,x.liu,and d.xu.automatic metallicsurface defect detection and本文档来自技高网...

【技术保护点】

1.一种基于特征学习的工件裂纹视觉检测方法，其特征在于步骤如下：

2.根据权利要求1所述基于特征学习的工件裂纹视觉检测方法，其特征在于：所述增强图像的对比度采用直方图均衡处理图像算法，使得图像的直方图分布变成近似均匀分布，从而增强图像的对比度。

3.根据权利要求2所述基于特征学习的工件裂纹视觉检测方法，其特征在于：所述直方图均衡处理图像算法是：首先将图像分割成许多重叠或不重叠的区域Xi，i＝1,2,3.....n，然后统计每个区域的直方图，对每个小区域内的像素应用直方图均衡化，增强局部对比度；然后采用对比度限制公式进行对比度裁剪，将对比度裁剪后的各个区域重新插值组...

【技术特征摘要】

1.一种基于特征学习的工件裂纹视觉检测方法，其特征在于步骤如下：

2.根据权利要求1所述基于特征学习的工件裂纹视觉检测方法，其特征在于：所述增强图像的对比度采用直方图均衡处理图像算法，使得图像的直方图分布变成近似均匀分布，从而增强图像的对比度。

3.根据权利要求2所述基于特征学习的工件裂纹视觉检测方法，其特征在于：所述直方图均衡处理图像算法是：首先将图像分割成许多重叠或不重叠的区域xi，i＝1,2,3.....n，然后统计每个区域的直方图，对每个小区域内的像素应用直方图均衡化，增强局部对比度；然后采用对比度限制公式进行对比度裁剪，将对比度裁剪后的各个区域重新插值组合成最终的均衡化图像；所述对比度限制公式为：

4.根据权利要求1所述基于特征学习的工件裂纹视觉检测方法，其特征在于：所述训练和测试数据集的比例为8:2。

5.根据权利要求1所述基于特征学习的工件裂纹视觉检测方法，其特征在于：所述采用视觉注意力机制进行全局特...

【专利技术属性】
技术研发人员：王琦，马文杰，李学龙，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：