基于卷积神经网络的缺陷检测方法技术

本发明专利技术公开了一种基于卷积神经网络的缺陷检测方法，包括以下步骤：S1收集产品外观缺陷图像作为数据集，按照比例分为训练集、验证集和测试集，人工标注缺陷区域生成标注信息；S2设计卷积神经网络，将缺陷图像和标注信息输入到卷积神经网络进行训练；S3将训练得出的卷积神经网络及其权重导出成onnx格式模型；S4使用TensorRT C++和Openvino C++接口加载导出的onnx模型，采集新的产品图像转换成相应格式后输入到TensorRT和Openvino的图像输入接口中，分别使用电脑的gpu和cpu推理，得到新产品图像的特征图；S5对得到的特征图进行分析，确定新产品是否包含缺陷以及缺陷的位置面积等信息。本发明专利技术结构较为简单，参数较少，训练所需的硬件要求较低，可以快速收敛，训练时间短。

【技术实现步骤摘要】

本专利技术属于机器视觉缺陷检测，特别是涉及一种基于卷积神经网络的缺陷检测方法。

技术介绍

1、在制造业中，产品缺陷检测起着至关重要的作用。产品缺陷包括划痕、缺陷、气孔、泄漏、断裂和裂缝。这些缺陷除了影响产品的外观外，还可能对产品质量产生负面影响，甚至造成严重的制造安全风险。

2、目前，基于机器视觉的缺陷检测主要分为传统缺陷检测和基于深度学习的缺陷检测。传统的缺陷检测主要是使用模板匹配和blob分析提取异常区域，对前期打光的要求比较高，鲁棒性较差。基于深度学习的缺陷检测具有鲁棒性高，对打光要求不高等特点。但是基于常用语义分割网络，例如fcn、unet，其网络较为复杂训练时间较长，需要配置较高的工控机，不便于现场部署。

3、因此需要一个结构相对简单，便于部署的卷积神经网络来解决工业产品的缺陷检测问题。

技术实现思路

1、本专利技术主要解决的技术问题是提供一种基于卷积神经网络的缺陷检测方法，结构较为简单，参数较少，训练所需的硬件要求较低，可以快速收敛，训练时间短，使用tensorrtc++接本文档来自技高网...

【技术保护点】

1.一种基于卷积神经网络的缺陷检测方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的基于卷积神经网络的缺陷检测方法，其特征在于：步骤S1的人工标注缺陷区域的标注信息由标签名称和标注点组成，最终生成掩码位图输入到神经网络。

3.根据权利要求1所述的基于卷积神经网络的缺陷检测方法，其特征在于：在步骤S1中，产品外观缺陷图像由工业相机拍摄实际生产缺陷产品获得，并根据产品生产标准确定缺陷区域。

4.根据权利要求1所述的基于卷积神经网络的缺陷检测方法，其特征在于：步骤S2中的所述卷积神经网络包括：

5.根据权利要求1所述的基于卷积神经网络的缺...

【技术特征摘要】

1.一种基于卷积神经网络的缺陷检测方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的基于卷积神经网络的缺陷检测方法，其特征在于：步骤s1的人工标注缺陷区域的标注信息由标签名称和标注点组成，最终生成掩码位图输入到神经网络。

3.根据权利要求1所述的基于卷积神经网络的缺陷检测方法，其特征在于：在步骤s1中，产品外观缺陷图像由工业相机拍摄实际生产缺陷产品获得，并根据产品生产标准确定缺陷区域。

4.根据权利要求1所述的基于卷积神经网络的缺陷检测方法，其特征在于：步骤s2中的所述卷积神经网络包括：

5.根据权利要求1所述的基于卷积神经网络的缺陷检测方法，其特征在于：所述卷积神经网络使用交叉熵损失函数来计算损失，对每个像素点进行预测评估；使用随机梯度下降优化器来更新和计算模型的网络参数，从而最小化损失。

【专利技术属性】
技术研发人员：张非凡，王棠猛，宋宪君，徐志飞，
申请(专利权)人：大帧科技苏州有限公司，
类型：发明
国别省市：