[发明专利]基于极坐标的环状边界框的目标检测方法

说明书

本发明的目的在于提供一种基于极坐标的环状边界框的目标检测方法，该方法包括图像预处理和目标检测，其中：图像预处理，识别图像中圆形或圆环形零件的轮廓线和圆心，以所述圆心为原点建立极坐标系，将检测目标转换成在极坐标系下对应的圆环形边界框；目标检测，对预处理的图像采用目标检测网络进行目标检测，其中目标检测网络中的坐标系采用极坐标系。本发明的方法解决了传统方法很难避开背景的干扰，并产生很大的计算冗余的问题；有效地利用缺陷和零件的特征，节省计算资源，更好地检测出缺陷目标。

技术领域

本发明属于目标检测技术领域，具体涉及一种基于极坐标的环状边界框的目标检测方法。

背景技术

随着人工智能的蓬勃发展，工业检测领域逐步采用计算机视觉相关算法进行质量检查，诸如目标检测、语义分割或实例分割和基于深度学习的异常检测算法等，普遍应用在工业零部件的缺陷检测中。工业领域很多基础零部件都是圆形，最为常见的零件有轴承、齿轮、螺母等，还有很多精密元件，可以说，“圆”是工业领域运转的基石。然而，深度学习的提出是为了帮助人类感知现实的物体，在工业零部件的缺陷检测的发展还是处在初期阶段，大多情况下，相关算法能够应用在工业缺陷检测上，但是，存在很多不适配的问题，精度和速度无法达到工业应用的要求。对于圆形零部件，采用常规通用的深度学习算法方案，无法很好的应对现实的问题，比如：圆环形的零部件，对于镂空部分，并不需要参与算法的运算；对于较长的弧线状的缺陷(见图5)，尤其圆环的内外边缘(很小的弧线区域甚至比其他大面积平面重要性更高)，基于横平竖直的矩形框目标检测方案，不可避免会将镂空的背景部分纳入框中，如此便很难避开背景的干扰，并产生了很大的计算冗余。因此，针对缺陷，尤其是圆形零部件的缺陷，有必要设计一种专用的缺陷目标检测方案，有效地利用缺陷和零配件的特征，节省计算资源，更好地检测出缺陷目标。

参考文献：

CN102663386A-机械轴承环形分布压印字符的在线检测方法；

CN103310215A-一种环状编码标记点的检测与识别方法；

CN107578051A-一种环状编码标记点的检测与识别方法；

CN109668897A-环状精密零件表面微型缺陷的视觉检测系统及其检测方法；

CN110728657A-一种基于深度学习的环状轴承外表面缺陷检测方法；

CN111815600A-一种基于视觉的环形磁钢外观缺陷检测方法；

CN111986220A-一种基于图像变换的环形文本检测和识别方法。

发明内容

本发明的目的在于提供一种基于极坐标的环状边界框的目标检测方法，解决了传统方法很难避开背景的干扰，并产生很大的计算冗余的问题；有效地利用缺陷和零件的特征，节省计算资源，更好地检测出缺陷目标。

为实现上述目的，本发明提供如下技术方案：

一种基于极坐标的环状边界框的目标检测方法，其特征在于：

图像预处理，识别图像中圆形或圆环形零件的轮廓线和圆心，以所述圆心为原点建立极坐标系，将检测目标转换成在极坐标系下对应的圆环形边界框；

目标检测，对预处理的图像采用目标检测网络进行目标检测，其中目标检测网络中的坐标系采用极坐标系。

进一步地，所述圆环形边界框在极坐标系下表示为(ρ₁，θ₁，ρ₂，θ₂)，对应圆环形边界框外边界线的左端点坐标和内边界线的右端点坐标。

进一步地，所述图像数据预处理包括：

S101、将图像转换成灰度图，再转成二值图；