[发明专利]一种对磁路材料表面缺陷进行检测的方法

权利要求书

1.一种对磁路材料表面缺陷进行检测的方法，其特征在于包括如下步骤：

（1）收集训练图片作为训练样本，所述训练图片包括无缺陷样品图片和缺陷样品图片；

（2）至少对缺陷样品图片中示出的缺陷进行像素级的分类标注；

（3）对训练样本和步骤（2）生成的标注样本进行变换生成新的训练样本，实现训练样本增强，之后以原始的训练样本和新生成的训练样本作为输入数据，步骤（2）生成的标注样本经过二值处理生成的N张特征图作为参考输出，输入到卷积神经网络中进行训练，通过多次迭代达到稳定收敛的准确率为止，其中N=（缺陷的种类数量+1）；

（4）保存步骤（3）生成的训练好的网络模型，对输入的未标注图像进行预测，每一未标注图像经预测生成N张特征图，该N张特征图中每个像素代表在原图中该像素位置上的特征属于（N-1）种缺陷中的一种的概率得分；

（5）将步骤（4）生成的N张特征图中每一张图的每一个位置上的点与其他各特征图的同一个位置的点上的概率值比较，生成每个点概率最大索引的二维统计图，即聚类索引图，并且在生成所述二维统计图时，设置概率得分阈值，若其中某一点位置的最大类别概率小于设置的概率得分阈值，则将该点位置视为背景特征，否则，依据该点位置的最大类别概率，判定其所属的缺陷类型，之后，依据所述的二维统计图进一步用blob提取方法提取出所述未标注图像上的缺陷所在区域；

所述步骤（3）中卷积神经网络的前向传播过程包括：

输入原始的训练样本和新生成的训练样本，并对训练图片进行归一化，归一化采用先减去图像均值再除以图像方差的方式，

将输入的原始的训练样本、步骤（2）生成的标注样本以及新生成的训练样本缩放至网络输入层的大小，进一步地将缩放后的图片传入五层卷积加池化和四层反卷积加上采样的网络中，

用Softmax算法得到N张特征图的预测结果。

2.如权利要求1所述的方法，其特征在于：在所述的步骤（1）中，收集的无缺陷样品图片与具有不同缺陷的缺陷样品图片的数量相当。

3.如权利要求1所述的方法，其特征在于，所述的步骤（2）包括：对无缺陷样品图片和缺陷样品图片均予以标注，其中，无缺陷样品图像标注保存为像素全为黑色的且与原图大小相同的图片，缺陷样品图像标注以不同颜色代表不同缺陷类型，按像素区域标记出缺陷位置，生成的标注图像为除标注区域有颜色之外，其他部分都为黑色的图片。

4.如权利要求1所述的方法，其特征在于，所述的步骤（3）包括：在每轮训练时对训练样本和步骤（2）生成的标注样本进行图像的尺度变换。

5.如权利要求1或4所述的方法，其特征在于，在步骤（3）中，所述的变换包括旋转、缩放、镜像、错切中的任意一种或两种以上的组合。

6.如权利要求1所述的方法，其特征在于，所述的步骤（4）包括将相机采集的未标注图像输入所述训练好的网络模型中，执行一次前向传播得到N张特征图的过程。