[发明专利]一种基于多尺度转移的充电器表面缺陷检测方法

权利要求书

1.一种基于多尺度转移的充电器表面缺陷检测方法，其特征在于，包括以下步骤：

步骤1、数据预处理：在输入模型前，将充电器外表面缺陷图像分别进行尺度放缩、直方图均衡、均值平滑和图像校正；

步骤2、搭建稠密卷积神经网络：将步骤1预处理得到的充电器外表面缺陷图像输入稠密卷积神经网络中进行特征提取，并在每一个稠密单元层中获取不同的特征；

步骤3、搭建多尺度转移模型；将步骤2中每一个卷积单元层不同尺度的输出特征输入多尺度转移模型中，获取不同尺度的特征图，结合不同分辨率的特征图进行多尺度的缺陷目标检测；

步骤3.1、利用稠密卷积神经网络的网络结构得到强语义特征映射，通过concat操作将底层特征直接转移到稠密卷积神经网络的顶层；

步骤3.2、在多尺度转移模型中使用平均池化层来获得低分辨率的特征图；使用尺度转移层技术获得高分辨率的特征图；将多尺度转移模型直接嵌入稠密卷积神经网络中，从稠密卷积神经网络的最后一个稠密卷积单元层得到不同尺度的特征图；

步骤3.3、利用步骤3.2所得不同尺度的特征图的特征来映射构造多尺度缺陷目标检测模型；

步骤4、将步骤3中得到的不同尺度的特征图输入多尺度缺陷目标检测模型中，多尺度缺陷目标检测模型中的多尺度缺陷目标检测网络由分类子网络和边界回归子网络组成；分类子网络对多尺度缺陷目标进行目标分类，边界回归子网络对多尺度缺陷目标进行边界位置回归分析。

2.根据权利要求1所述基于多尺度转移的充电器表面缺陷检测方法，其特征在于，步骤1具体包括如下步骤：

步骤1.1、将充电器外表面缺陷图像进行尺度放缩，达到设定的尺度大小；

步骤1.2、使用直方图均衡将充电器外表面缺陷图像变换为均匀分布的形式；统计均匀分布形式下充电器外表面缺陷图像中各个像素占全部像素的比例；

步骤1.3、使用均值平滑方式对充电器外表面缺陷图像进行平滑处理；

步骤1.4、采用参考点匹配进行缺陷图像校正并计算旋转参数。

3.根据权利要求1所述基于多尺度转移的充电器表面缺陷检测方法，其特征在于，步骤2具体包括如下步骤：

步骤2.1、将卷积神经网络的每一个卷积单元替换成3个3×3卷积层和一个2×2平均池化层；将第一个卷积层步长设置为2，另外两个卷积层步长为1，将三个卷积层的输出通道设置为64；所述卷积神经网络的每一个卷积单元由步长为2的7×7卷积层和步长为2的3×3最大池化层组成；

步骤2.2、将若干步骤2.1所述的卷积单元进行线性堆叠，搭建完整的稠密卷积神经网络；

步骤2.3、将预处理后的充电器外表面缺陷图像输入稠密卷积神经网络的第一个卷积单元层中，获得该单元层的图像特征；

步骤2.4、卷积神经网络第一单元层之后的每一个卷积单元层的输入为前面所有卷积单元层的输出，每一个卷积单元层均输出经过本单元的特征。