[发明专利]一种焊缝图像缺陷的检测方法

权利要求书

1.一种焊缝图像缺陷的检测方法，应用于处理器，其特征在于，包括：

构建深度二阶检测网络学习模型；

获取射线图像数据，并将所述射线图像数据输入至所述深度二阶检测网络学习模型，对所述深度二阶检测网络学习模型进行训练，得到检测模型；

在所述检测模型的检测端加入可变形卷积模块，且在所述可变形卷积模块中增加偏移域；并将模型内的损失函数改进为交叉熵函数的变体；

采用改进后的检测模型来检测待检测焊缝图像中的焊缝缺陷及类型。

2.根据权利要求1所述的焊缝图像缺陷的检测方法，其特征在于，在步骤采用改进后的检测模型来检测待检测焊缝图像中的焊缝缺陷及类型之后还包括：对改进后的检测模型进行封装和保存。

3.根据权利要求1所述的焊缝图像缺陷的检测方法，其特征在于，在所述可变形卷积模块中增加偏移域中，表达式为

式中，固定位置p₀+p_n、p₀+p_n+Δp_n为非固定位置、为采样网格。

4.根据权利要求3所述的焊缝图像缺陷的检测方法，其特征在于，Δp_n包括两个自由度x、y，且y/x≤2。

5.根据权利要求1所述的焊缝图像缺陷的检测方法，其特征在于，所述可变形卷积模块包括对称卷积、非对称卷积；所述非对称卷积用于提取不规则焊缝缺陷；所述检测模型包括Inception-Resnet模块、DropBlock层。

6.根据权利要求5所述的焊缝图像缺陷的检测方法，其特征在于，DropBlock层的算法中包括两个参数block_size和γ；其中γ的计算方法如下：

式中feat_size表示特征图的尺寸，keep_prob表示神经元被保留的概率；在DropBlock算法的最后为了保证输出尺度一致，对输出进行重新缩放调整进而补偿被丢弃的神经元。

7.根据权利要求1-6所述的焊缝图像缺陷的检测方法，其特征在于，待检测焊缝图像包括：包含气孔、裂纹、未焊透、未熔合的焊缝缺陷图片。

8.根据权利要求1-6所述的焊缝图像缺陷的检测方法，其特征在于，改进后的检测模型包括：特征提取与分类模块、RPN网络模块、ROI Align模块；所述特征提取与分类模块包括：特征提取网络子模块、特征融合子模块和检测单元子模块；所述特征提取与分类模块用于提取与分类待检测焊缝图像；所述RPN网络模块用于识别经由所述特征提取与分类模块处理后的待检测焊缝图像中的焊缝缺陷类型；所述ROIAlign模块用于将所述特征提取与分类模块、RPN网络模块连接起来。