[发明专利]一种带钢表面缺陷识别模型的训练方法及装置

说明书

本发明公开了一种带钢表面缺陷识别模型的训练方法及装置，涉及计算机技术领域，主要目的在于提高带钢表面缺陷的识别效果；主要技术方案包括：获取图像样本集，其中，所述图像样本集中包括有多个带钢表面图像样本，且各所述带钢表面图像样本分别标注有至少一种带钢表面缺陷；采用具有多尺寸特征融合功能的神经网络模型，对所述图像样本集中的带钢表面图像样本进行多尺寸特征融合处理，从所述图像样本集的带钢表面图像样本中提取表征带钢表面缺陷的目标特征图；基于所提取的目标特征图，训练带钢表面缺陷识别模型。

技术领域

本发明涉及计算机技术领域，特别是涉及一种带钢表面缺陷识别模型的训练方法及装置。

背景技术

带钢作为电力电子、汽车制造、航空航天等领域内产品生产的重要原材料，带钢的表面质量优劣直接影响上述产品品质。在带钢的生产过程中，受轧制设备、生产工艺等多种因素的影响，带钢不可避免地出现划痕、斑块、夹杂等表面缺陷，因此为了保证带钢产品的表面质量需要对带钢表面进行缺陷识别。

目前，带钢表面缺陷的检测通常基于机器视觉技术的带钢表面缺陷检测系统进行。使用机器视觉技术进行缺陷检测的核心在于提取出能够辨识缺陷的特征。而带钢表面缺陷的提取通常依赖人工进行，在人工提取时受亮度、形状的影响，且人工对带钢表面缺陷的描述不够准确，因此机器视觉技术的带钢表面缺陷检测系统对带钢表面缺陷识别效果较差。

发明内容

有鉴于此，本发明提出了一种带钢表面缺陷识别模型的训练方法及装置，主要目的在于提高带钢表面缺陷识别效果。

第一方面，本发明提供了一种带钢表面缺陷识别模型的训练方法，该方法包括：

获取图像样本集，其中，所述图像样本集中包括有多个带钢表面图像样本，且各所述带钢表面图像样本分别标注有至少一种带钢表面缺陷；

采用具有多尺寸特征融合功能的神经网络模型，对所述图像样本集中的带钢表面图像样本进行多尺寸特征融合处理，从所述图像样本集的带钢表面图像样本中提取表征带钢表面缺陷的目标特征图；

基于所提取的目标特征图，训练带钢表面缺陷识别模型。

第二方面，本发明提供了一种带钢表面缺陷识别方法，该方法包括：

采集带钢的带钢表面图像；

利用带钢表面缺陷识别模型对所述带钢表面图像进行带钢表面缺陷识别，其中，所述带钢表面缺陷识别模型训练所使用的目标特征图是采用具有多尺寸特征融合功能的神经网络模型，对图像样本集中的带钢表面图像样本进行多尺寸特征融合处理，从所述图像样本集的带钢表面图像样本中提取而得。

第三方面，本发明提供了一种带钢表面缺陷识别模型的训练装置，该装置包括：

获取单元，用于获取图像样本集，其中，所述图像样本集中包括有多个带钢表面图像样本，且各所述带钢表面图像样本分别标注有至少一种带钢表面缺陷；

提取单元，用于采用具有多尺寸特征融合功能的神经网络模型，对所述图像样本集中的带钢表面图像样本进行多尺寸特征融合处理，从所述图像样本集的带钢表面图像样本中提取表征带钢表面缺陷的目标特征图；

训练单元，用于基于所提取的目标特征图，训练带钢表面缺陷识别模型。

第四方面，本发明提供了一种带钢表面缺陷识别装置，该装置包括：

采集单元，用于采集带钢的带钢表面图像；

识别单元，用于利用带钢表面缺陷识别模型对所述带钢表面图像进行带钢表面缺陷识别，其中，所述带钢表面缺陷识别模型训练所使用的目标特征图是采用具有多尺寸特征融合功能的神经网络模型，对图像样本集中的带钢表面图像样本进行多尺寸特征融合处理，从所述图像样本集的带钢表面图像样本中提取而得。