一種基于深度學習的工業(yè)零件缺陷檢測方法

基本信息

申請?zhí)?/td> CN202110695517.7 申請日 -
公開（公告）號 CN113392915A 公開（公告）日 2021-09-14
申請公布號 CN113392915A 申請公布日 2021-09-14
分類號 G06K9/62（2006.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I;G06T7/00（2017.01）I;G06T7/73（2017.01）I;G01N21/88（2006.01）I 分類 計算；推算；計數(shù);
發(fā)明人 李翔瑋;林洲臣;王鑫歡;王澤霖 申請（專利權）人 寧波聚華光學科技有限公司
代理機構 浙江中桓聯(lián)合知識產權代理有限公司 代理人 朱萍
地址 315800浙江省寧波市北侖區(qū)新碶莫干山路36號A幢1號-301室
法律狀態(tài) -

摘要

摘要 本發(fā)明公開了一種基于深度學習的工業(yè)零件缺陷檢測方法，涉及工業(yè)質檢領域，主要包括步驟：獲取預設數(shù)量的工業(yè)零件原始圖像及經過缺陷標記后的缺陷標注圖；根據(jù)缺陷標注圖獲取卷積池化處理后的特征圖，將特征圖與池化階段中各池化層的輸出進行融合，并利用初始卷積核卷積得到分割網絡；調整卷積核大小依次對分割網絡進行訓練；根據(jù)原始圖像和缺陷標注圖對相應分割網絡的輸出結果進行分類訓練，得到分類網絡；根據(jù)分割網絡和分類網絡對工業(yè)零件原始圖像進行缺陷程度、缺陷位置和缺陷種類判斷。本發(fā)明通過先后池化?上采樣?融合的處理，將缺陷分割的問題轉換為分類問題，利用卷積神經網絡擅長分類的優(yōu)勢，實現(xiàn)工業(yè)零件的缺陷標注和分類的高效性。