一种基于FPGA与MnasNet的钢材表面缺陷识别方法技术

本发明专利技术涉及钢材表面缺陷检测技术领域，提供一种基于FPGA与MnasNet的钢材表面缺陷识别方法，包括以下步骤：步骤一、使用工业摄像头实时捕获钢材表面的图像；步骤二、将彩色图像转换为灰度图像，以减少计算量和存储需求；步骤三、利用中值滤波去除图像中噪声；步骤四、在图像处理中通过边缘检测识别图像中亮度变化，并计算图像亮度的梯度近似值来工作；步骤五、在图像处理中，通过用户选择图像中的一个特定区域进行进一步的处理或分析。通过深度学习技术与FPGA硬件平台相结合，实现了钢材表面缺陷识别的高效、精准和实时处理，为钢材生产过程中的质量控制提供了新的思路和方法，还显著提升了处理速度和效率。

【技术实现步骤摘要】

本专利技术涉及钢材表面缺陷检测，具体为一种基于fpga与mnasnet的钢材表面缺陷识别方法。

技术介绍

1、随着现代工业技术的飞速发展，钢材作为基础设施建设和工业制造的重要材料，其表面质量对产品的整体性能和可靠性具有至关重要的影响。钢材表面缺陷，如裂纹、结疤、划痕、锈蚀等，不仅影响产品的美观，还可能显著降低其强度、耐腐蚀性和疲劳寿命，从而对使用安全构成潜在威胁。因此，如何高效、准确地识别钢材表面的缺陷，成为了钢铁企业和科研机构关注的焦点。

2、传统的钢材表面缺陷检测方法主要包括人工目视检测和基于机器视觉的无损检测技术。人工目视检测虽然灵活，但存在效率低、易疲劳、主观性强等缺点，难以适应现代工业生产的快速节奏和高精度要求。而传统的机器视觉技术，如激光扫描和ccd检测法，虽然在一定程度上提高了检测效率和准确性，但其设备复杂、成本高、易受环境干扰等问题限制了其广泛应用。

3、近年来，随着深度学习技术的飞速发展，特别是mnasnet在图像识别领域的成功应用，为钢材表面缺陷识别提供了全新的解决方案。mnasnet凭借其强大的特征提取和模式识本文档来自技高网...

【技术保护点】

1.一种基于FPGA与MnasNet的钢材表面缺陷识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于FPGA与MnasNet的钢材表面缺陷识别方征在于，所述步骤二中灰度化公式：

3.根据权利要求1所述的一种基于FPGA与MnasNet的钢材表面缺陷识别方法，其特征在于，所述步骤三中的中值滤波原理公式：

4.根据权利要求1所述的一种基于FPGA与MnasNet的钢材表面缺陷识别方法，其特征在于，所述步骤四中边缘检测的具体方式为：

5.根据权利要求1所述的一种基于FPGA与MnasNet的钢材表面缺陷识别方法，其特征在于，所...

【技术特征摘要】

1.一种基于fpga与mnasnet的钢材表面缺陷识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于fpga与mnasnet的钢材表面缺陷识别方征在于，所述步骤二中灰度化公式：

3.根据权利要求1所述的一种基于fpga与mnasnet的钢材表面缺陷识别方法，其特征在于，所述步骤三中的中值滤波原理公式：

4.根据权利要求1所述的一种基于fpga与mnasnet的钢材表面缺陷识别方法，其特征在于，所述步骤四中边缘检测的具体方式为：

5.根据权利要求1所述的一种基于fpga与mnasnet的钢材表面缺陷识别方法，其特征在于，所述步骤六中将图像像素值归一化公式：

6.根据权利要求1所述的一种基于fpga与mnasnet的钢材表面缺陷识别方法，其特征在于，所述步骤七中mnasnet对处理...

【专利技术属性】
技术研发人员：郝亮，董世龙，潘志威，刘培培，张宇，徐瑛琦，黄泽阳，
申请(专利权)人：雄安威赛博智能科技有限公司，
类型：发明
国别省市：