[发明专利]一种基于EfficientNet的螺母表面缺陷分类方法

权利要求书

1.一种基于EfficientNet的螺母表面缺陷分类方法，其特征在于：包括以下步骤：

步骤一：采集训练样本，制作数据集；通过数据集训练EfficientNet模型，模型训练收敛后，再进行螺母表面分类；

步骤二：采集目标图像，对目标图像进行裁剪，对目标图像进行裁剪采用OTSU法分割出图像的前景与背景，接着进行连通域分析找到面积最大的连通域即螺母区域，再以区域为中心将图像裁剪为目标大小进行输入；

步骤三：修改损失函数为focal loss，调整正负样本权重，提升模型精度；

步骤四：图像预处理，制作模板图像对输入图像进行旋转矫正，并做差得到差值图像，将三者融合为三通道图像作为模型输入图像；所述图像预处理，采用模板图像，原图像和差值图像作为模型输入；所述图像预处理还包括以下步骤：

步骤a：采集一张无缺陷螺母图像作为模板，转换为灰度图像；

步骤b：将待输入图像转换为灰度图像，且以螺母区域的中心为基准点旋转图像与模板图像进行匹配，记相似度最高的角度为矫正角度，对输入图像进行旋转矫正；

步骤c：将矫正后的图像与模板图像做差得到差值图像，将模板图像、差值图像、矫正图像合并为三通道图像，将合并后三通道图像作为输入模型进行训练；

步骤五：模型推理，使用EfficientNet模型对输入图像进行推理；

步骤六：将步骤五中推理图像输出到上位机显示。

2.根据权利要求1所述一种基于EfficientNet的螺母表面缺陷分类方法，其特征在于：所述步骤三中的损失函数为focal loss公式如下：

其中α为权重因子用于调节正负样本间的均衡，γ为调节平衡的超参数，y′为模型推理值，y为样本标签值；当y＝1时，y′趋向于1表示样本为容易学习的负样本则减小它的权重，当y＝0时，y′趋向于0表示样本为容易学习的正样本则减小它的权重。

3.根据权利要求1所述一种基于EfficientNet的螺母表面缺陷分类方法，其特征在于：所述步骤一中数据集包括若干样本图像和每个样本图像所对应的标注信息，其中标注信息包含图像的类别OK和NG。