[发明专利]一种基于深度学习的金属板缺陷检测和度量方法

权利要求书

1.一种基于深度学习的金属板缺陷检测和度量方法，其特征在于，该方法包括以下步骤：

1)建立并训练基于深度学习目标检测的多级联缺陷检测器，所述多级联缺陷检测器由多个目标检测模型串联或并联而成，所述目标检测模型包括faster RCNN模型、yolov3模型和/或SSD模型；

2)利用所述多级联缺陷检测器进行金属板缺陷检测；

3)在检测到缺陷时，利用棋盘格标定法度量缺陷的物理大小；

所述步骤2)中，在检测到缺陷时，多级联缺陷检测器输出缺陷的种类和位置，所述位置以矩形框表示，表示方法为P(x,y,w,h)，其中x,y为矩形左上角坐标，w,h为矩形的宽和高；

所述步骤3)中，利用棋盘格标定法度量缺陷的物理大小具体为：

将网格大小为dx的棋盘格放在与金属板相同的位置，使用特征点检测方法检测每个棋盘格的像素平均距离dw，从而计算得到每个像素的物理距离pix：

pix＝dx*dw

根据检测到的缺陷位置，计算缺陷对应的物理大小，具体计算公式如下：

Pw＝w*pix

Ph＝h*pix

其中，Pw、Ph分别为缺陷的宽和高。

2.根据权利要求1所述的基于深度学习的金属板缺陷检测和度量方法，其特征在于，所述多级联缺陷检测器的训练过程包括：

步骤S101，采集带有缺陷的金属板图像，对所述金属板图像进行分类和标注；

步骤S102，以所述金属板图像和对应的标注文件作为训练样本集；

步骤S103，以所述训练样本集作为所述多级联缺陷检测器中各目标检测模型的输入，分别训练各目标检测模型；

步骤S104，在满足训练结束条件后保存各目标检测模型的参数。

3.根据权利要求1所述的基于深度学习的金属板缺陷检测和度量方法，其特征在于，所述步骤2)中，多个目标检测模型串联时，仅在多个目标检测模型同时在同一个位置上检测到缺陷时，判定该位置存在缺陷；

多个目标检测模型并联时，只要其中一个目标检测模型发现缺陷即判定存在缺陷。

4.根据权利要求1所述的基于深度学习的金属板缺陷检测和度量方法，其特征在于，所述步骤2)中，多个目标检测模型串联时，对多个目标检测模型的结果进行融合后，判定缺陷的种类和位置。

5.根据权利要求4所述的基于深度学习的金属板缺陷检测和度量方法，其特征在于，所述融合包括缺陷概率融合和缺陷位置融合。

6.根据权利要求1所述的基于深度学习的金属板缺陷检测和度量方法，其特征在于，该方法还包括步骤：

4)根据缺陷的物理大小判断产品是否合格，若是，则输出结果，若否，则采集产品其他角度图像，返回步骤2)，直至产品所有角度照片均检测合格。