[发明专利]一种基于目标检测的缺陷检测方法

说明书

本发明公开了一种基于目标检测的缺陷检测方法，包括以下步骤：步骤S1，采集训练图像；步骤S2，缺陷图像数据扩增；步骤S3，缺陷区域标记；步骤S4，构建缺陷检测模型；步骤S5，模型训练；步骤S5，输出缺陷检测结果。本发明的有益效果主要表现在：利用数据扩增可以增加大量用于学习的样本并减少数据收集成本，利用深度神经网络首先筛选出缺陷可能存在的区域，然后对缺陷区域的范围进行精细调整，从而自动检测出缺陷存在的精确区域，有效解决了人工识别效率不高以及基于规则的传统方法扩展性不好等缺点。

技术领域

本发明涉及一种缺陷检测方法，具体涉及一种基于目标检测的缺陷检测方法，属于计算 机视觉领域。

背景技术

近年来，深度神经网络技术获得了极大的发展，特别是在计算机视觉领域，其效果远超 传统技术。缺陷检测是工业领域的重要问题，传统的缺陷检测方法主要依赖于检测人员的经 验，耗时耗力；基于规则的缺陷检测方法，往往只适用于一些特征明显的缺陷检测，且方法 构建过程复杂。基于深度神经网络技术的目标检测方法能够自动学习目标特征并对目标区域 进行定位，准确性高、可扩展性好，但目前这种技术主要应用于自然场景中的目标检测，尚 少应用于缺陷检测等工业场景中。

发明内容

本发明针对现有技术存在的问题，提出一种基于目标检测的缺陷检测方法。

本发明采用以下技术方案，一种基于目标检测的缺陷检测方法，包括以下步骤：

步骤S1，采集训练图像；

步骤S2，缺陷图像数据扩增；

步骤S3，缺陷区域标记；

步骤S4，构建缺陷检测模型；

步骤S5，模型训练；

步骤S6，输出缺陷检测结果。

进一步的，所述步骤S1包括如下步骤：

步骤S1.1，通过CCD摄像机采集图像，包括含缺陷的图像和不含缺陷的图像；

步骤S1.2，对缺陷位置进行人工标记，生成二值标记图像。

进一步的，所述步骤S2包括如下步骤：

步骤S2.1，缺陷定位和裁剪；

步骤S2.2，缺陷区域图像预处理；

步骤S2.3，图像融合。

进一步的，所述步骤S2.1包括如下步骤：

S2.1.1：遍历二值化标记图像，生成一个边界与图像坐标轴平行，并将缺陷区域完全包含 的最小矩形；

S2.1.2：以得到的最小矩形为裁剪边界，得到缺陷区域图像。

进一步的，所述步骤S2.2包括如下步骤：

S2.2.1：对缺陷区域图像行缩放；

S2.2.2：对缺陷区域图像进行垂直翻转和水平翻转；

S2.2.3：对缺陷区域图像进行旋转；

S2.2.4：对缺陷区域图像进行随机仿射变换。

进一步的，所述步骤S2.3包括如下步骤：

S2.3.1：对预处理后的缺陷区域图像进行局部自适应阈值分割，提取出更精确的缺陷区域 图像；

S2.3.2：随机选取无缺陷图像；

S2.3.3：在无缺陷图像尺寸范围内随机生成一个位置坐标，并将缺陷区域图像的中心点与 该坐标对齐，用缺陷区域图像像素值替换无缺陷图像像素值从而完成缺陷区域图像和无缺陷 图像的融合。