[发明专利]一种铝型材瑕疵检测方法

说明书

本发明公开了一种铝型材瑕疵检测方法，包括：采用铝型材表面瑕疵检测模型对铝型材表面进行检测；若检测出瑕疵，则对瑕疵进行类别判断和回归定位；其中，铝型材表面瑕疵检测模型以Resnet‑101为主干网络；铝型材表面瑕疵检测模型采用特征金字塔网络和形变卷积算法，用于对铝型材表面的不规则瑕疵进行针对性检测；铝型材表面瑕疵检测模型采用ROI Align提取特征图算法及改进候选框生成网络损失函数对微小瑕疵进行定位。通过形变卷积算法改进特征金字塔网络模型，使检测模型对于不规则瑕疵特征具有更强匹配能力；通过改进候选框生成网络损失函数，使检测模型对微小瑕疵的回归定位更为精确。

技术领域

本发明涉及图像检测技术领域，具体涉及一种铝型材瑕疵检测方法。

背景技术

在非标设计中，经常用到铝型材，工业铝型材表面经过氧化后，外观非常漂亮，组装成产品时，采用专用铝型材配件，不需要焊接，较环保，而且安装、拆卸、携带、搬移极为方便。

铝型材的生产需要进行产品合格检测，例如针对物体表面瑕疵，传统的检测方式采用人工检测，不仅费时费力，还由于铝型材纹路与瑕疵之间区分度微小、人工检测易疲劳等因素，造成漏检率高、检出率低。随着深度学习、机器视觉技术的发展，针对物体表面瑕疵的研究也出现了新的方向，但由于铝型材表面瑕疵种类较多、纹理较为复杂且细小、瑕疵大小差异较大，使得现有疵点检测算法无法在这种特定材料上得到较好的泛化，尤其是对于不同种类的瑕疵的泛化效果较差。

发明内容

有鉴于此，本发明实施例提供了一种铝型材瑕疵检测方法，以解决现有疵点检测方法无法在铝型材上得到较好的泛化，尤其是对于不同种类的瑕疵的泛化效果较差的问题。

本发明实施例提供了一种铝型材瑕疵检测方法，包括：

采用铝型材表面瑕疵检测模型对铝型材表面进行检测；

若检测出瑕疵，则对瑕疵进行类别判断和回归定位；

其中，铝型材表面瑕疵检测模型以Resnet-101为主干网络；铝型材表面瑕疵检测模型采用特征金字塔网络和形变卷积算法，用于对铝型材表面的不规则瑕疵进行针对性检测；铝型材表面瑕疵检测模型采用ROI Align提取特征图算法及改进候选框生成网络损失函数对微小瑕疵进行定位。

可选地，铝型材表面瑕疵检测模型采用ROI Align提取特征图算法及改进候选框生成网络损失函数对微小瑕疵进行定位，包括：

用双线性内插法计算浮点坐标的像素值；

ROI Align提取特征图算法的反向传播计算公式如下：

其中，x_i为池化前的特征像素点，y_ij为池化后的第i个感兴趣区的第j个点，i*(i,j)为y_ij像素点来源，Δh为x_i与x_i*(i,j)的横坐标差值，Δw为x_i与x_i*(i,j)的纵坐标差值。

可选地，形变卷积算法为特征金字塔网络的最后一个卷积核。

可选地，特征金字塔网络通过对原始采样点增加偏置量ΔP_n，使原始采样点达到预设点位；其中，偏置量ΔP_n为{ΔP_n|n＝1，2，...，N}，N＝|R|。

可选地，在形变卷积算法中，每一个位置的可形变卷积计算公式如下：

其中，P_m为卷积核的每一个位置，x为特征图，W为采样点权重；

对输出的像素增加一个偏置量ΔP_uv，生成可偏置矩阵；