[发明专利]一种对磁路材料表面缺陷进行检测的方法

摘要

本发明公开了一种对磁路材料表面缺陷进行检测的方法，其包括如下步骤：收集训练图片；进行人工标注；将训练图和标注图用设计的卷积神经网络进行训练；输入相机采集的磁路未标注图像得到预测结果；根据预设阈值融合生成检测结果。本发明提供的方法能够对磁路产品表面的缺陷形态进行自我学习并优化网络模型，克服了产品缺陷形态随机，纹理复杂，对比度低等干扰因素带来的诸多不利影响，尤其是在少量样本输入的条件下，采用数据增强也能获得优秀的网络模型，从而提高缺陷识别率，另外，本发明方法的数据处理速度至少与现有机器视觉算法相当，且准确率与良率远超现有机器视觉算法，能够显著提高磁路产品的出厂质量。

主权项

1.一种对磁路材料表面缺陷进行检测的方法，其特征在于包括如下步骤：(1)收集训练图片作为训练样本，所述训练图片包括无缺陷样品图片和缺陷样品图片；(2)至少对缺陷样品图片中示出的缺陷进行像素级的分类标注；(3)对训练样本和步骤(2)生成的标注样本进行变换生成新的训练样本，实现训练样本增强，之后以原始的训练样本和新生成的训练样本作为输入数据，步骤(2)生成的标注样本经过二值处理生成的N张特征图作为参考输出，输入到卷积神经网络中进行训练，通过多次迭代达到稳定收敛的准确率为止，其中N＝(缺陷的种类数量+1)；(4)保存步骤(3)生成的训练好的网络模型，对输入的未标注图像进行预测，每一未标注图像经预测生成N张特征图，该N张特征图中每个像素代表在原图中该像素位置上的特征属于(N‑1)种缺陷中的一种的概率得分；(5)对步骤(4)生成的N张概率得分图进行处理，设置每种缺陷的概率得分阈值，生成聚类索引图，进而用blob提取方法，按索引区域标签提取出缺陷所在位置。