[发明专利]一种基于机器视觉的电机磁瓦表面缺陷检测方法

权利要求书

1.一种基于机器视觉的电机磁瓦表面缺陷检测方法，其特征在于，包括下列步骤：

构建EfficientNet-GC模型；

获取电机磁瓦分类训练样本集；

利用所述分类训练样本集训练所述EfficientNet-GC模型，获得训练好的分类模型；

将待检测电机磁瓦的电机磁瓦表面灰度图所述训练好的分类模型，获得待检测电机磁瓦的类别标签。

2.如权利要求1所述的基于机器视觉的电机磁瓦表面缺陷检测方法，其特征在于，

所述EfficientNet-GC模型由高斯随机光照生成器、等像素亮度区间划分算法、校正网络和EfficientNetV2构成，高斯随机光照生成器负责叠加随机光照生成光照不平衡图像，等像素亮度区间划分算法将光照不平衡图像划分为8个等像素量的图层，校正网络负责光照校正，EfficientNetV2完成缺陷分类。

3.如权利要求2所述的基于机器视觉的电机磁瓦表面缺陷检测方法，其特征在于，

所述高斯随机光照生成器包括输入通道和计算光照图通道，所述输入通道和所述计算光照图通道的输出满足Retinex理论。

4.如权利要求2所述的基于机器视觉的电机磁瓦表面缺陷检测方法，其特征在于，

所述等像素亮度区间划分算法包括数据预处理、图层分割和游离点聚类，通过对图像动态计算各亮度区间的像素，再进行等量分割，然后通过K最近邻算法对游离点进行聚类，最后完成图层划分。

5.如权利要求2所述的基于机器视觉的电机磁瓦表面缺陷检测方法，其特征在于，

校正网络进行光照校正的过程，具体为将所述等像素亮度区间划分算法获取的尺寸为128×128×8的输入张量校正叠加后恢复到尺寸128×128×1。

6.如权利要求2所述的基于机器视觉的电机磁瓦表面缺陷检测方法，其特征在于，

EfficientNetV2为具有自适应正则化的渐进式学习能力的卷积神经网络模型。

7.如权利要求1所述的基于机器视觉的电机磁瓦表面缺陷检测方法，其特征在于，

所述分类训练样本集的每个训练样本包括电机磁瓦表面灰度图和对应的类别标签。