[发明专利]卫浴陶瓷表面缺陷检测方法与系统

说明书

本发明公开了一种卫浴陶瓷表面缺陷检测方法，包括：步骤1，采集卫浴陶瓷表面缺陷图像，并对所述表面缺陷图像中的缺陷类型和缺陷位置进行标注，获得卫浴陶瓷表面缺陷的训练数据集；步骤2，以SSD网络模型为基准构建缺陷检测模型；步骤3，利用所述卫浴陶表面瓷缺陷的训练数据集对所述缺陷检测模型进行训练；步骤4，将待检测的卫浴陶瓷表面缺陷图像输入至步骤3训练得到的所述缺陷检测模型中，输出所述待检测的卫浴陶瓷表面缺陷图像的缺陷类别和缺陷位置。

技术领域

本发明涉缺陷检测技术领域，特别涉及一种卫浴陶瓷表面缺陷检测方法与系统。

背景技术

卫浴陶瓷是日常生活中的必需品，每家每户都要用到，卫浴陶瓷的质量直接影响到用户的日常体验，因此把握好卫浴陶瓷产品出厂质量非常重要。现阶段，卫浴陶瓷表面缺陷检测主要是依赖人工完成，需要质检工人肉眼观察，鉴别工件表面存在的缺陷，效率低下而且严重依赖工人的经验，并且质检结果极其容易受到工人个人状态的影响。

随着深度学习技术的大力发展，越来越多的行业开始采用基于深度学习的图像处理技术来进行缺陷检测。现如今，很多公司和机构开始将深度学习技术应用于卫浴陶瓷表面缺陷检测，都取得了不错的成果。

目前，现有的一阶段深度学习目标检测模型具有检测精度高、速度快的特点，通用性很好，对于节拍敏感型生产工作较为适用。卫浴陶瓷的生产节拍快，表面缺陷类别多，特征复杂。鉴于此，本发明人经过大量实验探索研究后提供了一种卫浴陶瓷表面缺陷检测方法，用以解决上述问题。

发明内容

针对现有技术的不足，本发明的目的在于提出一种卫浴陶瓷表面缺陷检测方法与系统，能够显著提高检测效率和检测精度。

为了实现上述目的，本发明提出一种卫浴陶瓷表面缺陷检测方法，包括：

步骤1，采集卫浴陶瓷表面缺陷图像，并对所述表面缺陷图像中的缺陷类型和缺陷位置进行标注，获得卫浴陶瓷表面缺陷的训练数据集；

步骤2，以SSD网络模型为基准构建缺陷检测模型；

步骤3，利用所述卫浴陶表面瓷缺陷的训练数据集对所述缺陷检测模型进行训练；

步骤4，将待检测的卫浴陶瓷表面缺陷图像输入至步骤3训练得到的所述缺陷检测模型中，输出所述待检测的卫浴陶瓷表面缺陷图像的缺陷类别和缺陷位置。

上述的卫浴陶瓷表面缺陷检测方法，其中，所述缺陷类别包含以下至少一种：裂纹、缺釉、锈斑、绿斑和条状缩釉缺。

上述的卫浴陶瓷表面缺陷检测方法，其中，所述以SSD网络模型为基准构建的所述缺陷检测模型中的骨干网络替换为包含跳连结构的ResNet-50网络。

上述的卫浴陶瓷表面缺陷检测方法，其中，所述ResNet-50网络结尾的平均池化层和全连接层改为卷积层，并移除Dropout层，及增加若干个残差卷积模块。

上述的卫浴陶瓷表面缺陷检测方法，其中，采用Mish函数作为所述缺陷检测模型的激活函数。

上述的卫浴陶瓷表面缺陷检测方法，其中，所述步骤3包括：

将输入所述缺陷检测模型的图像的尺寸缩放为300×300；

从所述缺陷检测模型中选取38×38、19×19、10×10、5×5、3×3和1×1尺寸的特征图负责结果的预测任务。

上述的卫浴陶瓷表面缺陷检测方法，其中，所述步骤3还包括：

所述缺陷检测模型为每个尺寸的所述特征图的每个特征点设置不同数量的先验框，所述特征图的每个特征点对应先验框的数量分别为4、6、6、6、4、4；