本發(fā)明涉及機(jī)器視覺(jué)技術(shù)領(lǐng)域，特別是指一種基于fasterr-cnn網(wǎng)絡(luò)的金屬板帶表面缺陷檢測(cè)方法及裝置。

背景技術(shù)：

金屬板帶是汽車、機(jī)械制造、化工、航空航天和造船等行業(yè)不可缺少的原材料。金屬板帶表面缺陷是指金屬板帶在生產(chǎn)加工的過(guò)程中，由于工藝或其它各種原因致使金屬板帶表面局部區(qū)域物理或化學(xué)性質(zhì)不均勻。常見(jiàn)的金屬板帶表面缺陷有輥印、污漬、劃痕、孔洞、漏涂、凹陷、氣泡、異物、剝落等。表面缺陷是原子活性較高的部位，常常成為金屬腐蝕的始發(fā)處，表面缺陷的存在會(huì)大大降低零件的抗疲勞強(qiáng)度，有損零件表面的質(zhì)量，影響機(jī)器、儀器的使用性能和壽命，影響其最終產(chǎn)品的性能和質(zhì)量。因此及時(shí)檢測(cè)金屬板帶表面缺陷，對(duì)缺陷進(jìn)行嚴(yán)重程度評(píng)價(jià)，對(duì)于提高表面質(zhì)量和產(chǎn)品經(jīng)濟(jì)效益有著重要意義。

隨著我國(guó)工業(yè)化水平的不斷發(fā)展，對(duì)金屬板帶表面質(zhì)量的要求也越來(lái)越高，如何快速準(zhǔn)確地檢測(cè)出表面缺陷成為金屬板帶軋制過(guò)程中非常關(guān)鍵的一個(gè)環(huán)節(jié)。目前主流的表面缺陷檢測(cè)技術(shù)均為以圖像處理為基礎(chǔ)的機(jī)器視覺(jué)技術(shù)，基本分為兩步：

(1)先對(duì)通過(guò)工業(yè)相機(jī)獲得的圖像進(jìn)行處理，然后提取特征，這一步的方法主要有統(tǒng)計(jì)法、結(jié)構(gòu)法、頻譜法、模型法等四類，其中使用較為廣泛的是統(tǒng)計(jì)法與頻譜法[2]；

(2)通過(guò)訓(xùn)練好的分類器，對(duì)(1)提取的特征進(jìn)行分類，目前使用較多的分類器有bp神經(jīng)網(wǎng)絡(luò)，svm等。

但這些方法均存在著缺陷和非缺陷區(qū)域之間的低對(duì)比度，噪音和細(xì)微缺陷的相似性，檢測(cè)速度慢和識(shí)別精度低等難題，無(wú)法滿足工業(yè)生產(chǎn)的準(zhǔn)確性和性要求。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明要解決的技術(shù)問(wèn)題是提供一種基于fasterr-cnn網(wǎng)絡(luò)的金屬板帶表面缺陷檢測(cè)方法及裝置，以解決現(xiàn)有技術(shù)所存在的無(wú)法滿足工業(yè)生產(chǎn)的準(zhǔn)確性和實(shí)時(shí)性要求的問(wèn)題。

為解決上述技術(shù)問(wèn)題，本發(fā)明實(shí)施例提供一種基于fasterr-cnn網(wǎng)絡(luò)的金屬板帶表面缺陷檢測(cè)方法，包括：

采集用于訓(xùn)練fasterr-cnn網(wǎng)絡(luò)的金屬板帶表面的圖像；

對(duì)采集到的所述金屬板帶表面的圖像進(jìn)行數(shù)據(jù)增強(qiáng)；

將采集到的所述金屬板帶表面的圖像及數(shù)據(jù)增強(qiáng)后得到的圖像中的缺陷部分用矩形框進(jìn)行標(biāo)注，獲取所述矩形框的坐標(biāo)與所述矩形框所包含缺陷的種類；

根據(jù)采集到的所述金屬板帶表面的圖像及數(shù)據(jù)增強(qiáng)后得到的圖像，及獲取的所述矩形框的坐標(biāo)與所述矩形框所包含缺陷的種類對(duì)fasterr-cnn網(wǎng)絡(luò)進(jìn)行訓(xùn)練；

實(shí)時(shí)采集待檢測(cè)的金屬板帶表面圖像，根據(jù)訓(xùn)練好的fasterr-cnn網(wǎng)絡(luò)和實(shí)時(shí)采集到的待檢測(cè)的金屬板帶表面圖像，實(shí)時(shí)檢測(cè)金屬板帶表面是否有缺陷，并對(duì)檢測(cè)到的缺陷進(jìn)行分類和定位。

進(jìn)一步地，所述對(duì)采集到的所述金屬板帶表面的圖像進(jìn)行數(shù)據(jù)增強(qiáng)包括：

通過(guò)翻轉(zhuǎn)、平移策略對(duì)采集到的所述金屬板帶表面的圖像進(jìn)行數(shù)據(jù)增強(qiáng)。

進(jìn)一步地，所述將采集到的所述金屬板帶表面的圖像及數(shù)據(jù)增強(qiáng)后得到的圖像中的缺陷部分用矩形框進(jìn)行標(biāo)注，獲取所述矩形框的坐標(biāo)與所述矩形框所包含缺陷的種類包括：

將采集到的所述金屬板帶表面的圖像及數(shù)據(jù)增強(qiáng)后得到的圖像中的缺陷部分用矩形框進(jìn)行標(biāo)注，獲取所述矩形框的中心點(diǎn)坐標(biāo)，所述矩形框的寬度、高度，及所述矩形框所包含缺陷的種類；

將采集到的所述金屬板帶表面的圖像及數(shù)據(jù)增強(qiáng)后得到的圖像、獲取的所述矩形框的中心點(diǎn)坐標(biāo)、所述矩形框的寬度與高度、及所述矩形框所包含缺陷的種類生成數(shù)據(jù)集。

進(jìn)一步地，在根據(jù)采集到的所述金屬板帶表面的圖像及數(shù)據(jù)增強(qiáng)后得到的圖像，及獲取的所述矩形框的坐標(biāo)與所述矩形框所包含缺陷的種類對(duì)fasterr-cnn網(wǎng)絡(luò)進(jìn)行訓(xùn)練之前，所述方法還包括：

根據(jù)要檢測(cè)的缺陷類別，修改fasterr-cnn網(wǎng)絡(luò)所能檢測(cè)的總的缺陷類別，并為每一個(gè)要檢測(cè)的缺陷類別分配固定的編號(hào)。

進(jìn)一步地，所述根據(jù)實(shí)時(shí)采集到的所述金屬板帶表面的圖像及數(shù)據(jù)增強(qiáng)后得到的圖像，及獲取的所述矩形框的坐標(biāo)與所述矩形框所包含缺陷的種類對(duì)fasterr-cnn網(wǎng)絡(luò)進(jìn)行訓(xùn)練包括：

根據(jù)生成的數(shù)據(jù)集對(duì)fasterr-cnn網(wǎng)絡(luò)進(jìn)行訓(xùn)練。

本發(fā)明實(shí)施例還提供一種基于fasterr-cnn網(wǎng)絡(luò)的金屬板帶表面缺陷檢測(cè)裝置，包括：

采集模塊，用于采集用于訓(xùn)練fasterr-cnn網(wǎng)絡(luò)的金屬板帶表面的圖像；

增強(qiáng)模塊，用于對(duì)采集到的所述金屬板帶表面的圖像進(jìn)行數(shù)據(jù)增強(qiáng)；

獲取模塊，用于將采集到的所述金屬板帶表面的圖像及數(shù)據(jù)增強(qiáng)后得到的圖像中的缺陷部分用矩形框進(jìn)行標(biāo)注，獲取所述矩形框的坐標(biāo)與所述矩形框所包含缺陷的種類；

訓(xùn)練模塊，用于根據(jù)采集到的所述金屬板帶表面的圖像及數(shù)據(jù)增強(qiáng)后得到的圖像，及獲取的所述矩形框的坐標(biāo)與所述矩形框所包含缺陷的種類對(duì)fasterr-cnn網(wǎng)絡(luò)進(jìn)行訓(xùn)練；

檢測(cè)模塊，用于實(shí)時(shí)采集待檢測(cè)的金屬板帶表面圖像，根據(jù)訓(xùn)練好的fasterr-cnn網(wǎng)絡(luò)和實(shí)時(shí)采集到的待檢測(cè)的金屬板帶表面圖像，實(shí)時(shí)檢測(cè)金屬板帶表面是否有缺陷，并對(duì)檢測(cè)到的缺陷進(jìn)行分類和定位。

進(jìn)一步地，所述增強(qiáng)模塊，用于通過(guò)翻轉(zhuǎn)、平移策略對(duì)采集到的所述金屬板帶表面的圖像進(jìn)行數(shù)據(jù)增強(qiáng)。

進(jìn)一步地，所述獲取模塊包括：

標(biāo)注單元，用于將采集到的所述金屬板帶表面的圖像及數(shù)據(jù)增強(qiáng)后得到的圖像中的缺陷部分用矩形框進(jìn)行標(biāo)注；

獲取單元，用于獲取所述矩形框的中心點(diǎn)坐標(biāo)，所述矩形框的寬度、高度，及所述矩形框所包含缺陷的種類；

生成單元，用于將采集到的所述金屬板帶表面的圖像及數(shù)據(jù)增強(qiáng)后得到的圖像、獲取的所述矩形框的中心點(diǎn)坐標(biāo)、所述矩形框的寬度與高度、及所述矩形框所包含缺陷的種類生成數(shù)據(jù)集。

進(jìn)一步地，所述裝置還包括：

編號(hào)模塊，用于根據(jù)要檢測(cè)的缺陷類別，修改fasterr-cnn網(wǎng)絡(luò)所能檢測(cè)的總的缺陷類別，并為每一個(gè)要檢測(cè)的缺陷類別分配固定的編號(hào)。

進(jìn)一步地，所述訓(xùn)練模塊，用于根據(jù)生成的數(shù)據(jù)集對(duì)fasterr-cnn網(wǎng)絡(luò)進(jìn)行訓(xùn)練。

本發(fā)明的上述技術(shù)方案的有益效果如下：

上述方案中，采集用于訓(xùn)練fasterr-cnn網(wǎng)絡(luò)的金屬板帶表面的圖像；對(duì)采集到的所述金屬板帶表面的圖像進(jìn)行數(shù)據(jù)增強(qiáng)；將采集到的所述金屬板帶表面的圖像及數(shù)據(jù)增強(qiáng)后得到的圖像中的缺陷部分用矩形框進(jìn)行標(biāo)注，獲取所述矩形框的坐標(biāo)與所述矩形框所包含缺陷的種類；根據(jù)采集到的所述金屬板帶表面的圖像及數(shù)據(jù)增強(qiáng)后得到的圖像，及獲取的所述矩形框的坐標(biāo)與所述矩形框所包含缺陷的種類對(duì)fasterr-cnn網(wǎng)絡(luò)進(jìn)行訓(xùn)練；實(shí)時(shí)采集待檢測(cè)的金屬板帶表面圖像，根據(jù)訓(xùn)練好的fasterr-cnn網(wǎng)絡(luò)和實(shí)時(shí)采集到的待檢測(cè)的金屬板帶表面圖像，實(shí)時(shí)檢測(cè)金屬板帶表面是否有缺陷，并對(duì)檢測(cè)到的缺陷進(jìn)行分類和定位，不僅滿足了工業(yè)生產(chǎn)實(shí)時(shí)檢測(cè)金屬板帶表面缺陷的需求，還能提高金屬板帶表面缺陷檢測(cè)的準(zhǔn)確率。

附圖說(shuō)明

圖1為本發(fā)明實(shí)施例提供的基于fasterr-cnn網(wǎng)絡(luò)的金屬板帶表面缺陷檢測(cè)方法的流程示意圖；

圖2為本發(fā)明實(shí)施例提供的fasterr-cnn網(wǎng)絡(luò)的工作原理示意圖；

圖3為本發(fā)明實(shí)施例提供的實(shí)時(shí)采集到的待檢測(cè)的金屬板帶表面圖像；

圖4為本發(fā)明實(shí)施例提供的基于fasterr-cnn網(wǎng)絡(luò)的金屬板帶表面缺陷檢測(cè)方法檢測(cè)后的效果圖；

圖5為本發(fā)明實(shí)施例提供的基于fasterr-cnn網(wǎng)絡(luò)的金屬板帶表面缺陷檢測(cè)裝置的結(jié)構(gòu)示意圖。

具體實(shí)施方式

為使本發(fā)明要解決的技術(shù)問(wèn)題、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合附圖及具體實(shí)施例進(jìn)行詳細(xì)描述。

本發(fā)明針對(duì)現(xiàn)有的無(wú)法滿足工業(yè)生產(chǎn)的準(zhǔn)確性和實(shí)時(shí)性要求的問(wèn)題，提供一種基于fasterr-cnn網(wǎng)絡(luò)的金屬板帶表面缺陷檢測(cè)方法及裝置。

實(shí)施例一

參看圖1所示，本發(fā)明實(shí)施例提供的基于fasterr-cnn網(wǎng)絡(luò)的金屬板帶表面缺陷檢測(cè)方法，包括：

s101，采集用于訓(xùn)練fasterr-cnn網(wǎng)絡(luò)的金屬板帶表面的圖像；

s102，對(duì)采集到的所述金屬板帶表面的圖像進(jìn)行數(shù)據(jù)增強(qiáng)；

s103，將采集到的所述金屬板帶表面的圖像及數(shù)據(jù)增強(qiáng)后得到的圖像中的缺陷部分用矩形框進(jìn)行標(biāo)注，獲取所述矩形框的坐標(biāo)與所述矩形框所包含缺陷的種類；

s104，根據(jù)采集到的所述金屬板帶表面的圖像及數(shù)據(jù)增強(qiáng)后得到的圖像，及獲取的所述矩形框的坐標(biāo)與所述矩形框所包含缺陷的種類對(duì)fasterr-cnn網(wǎng)絡(luò)進(jìn)行訓(xùn)練；

s105，實(shí)時(shí)采集待檢測(cè)的金屬板帶表面圖像，根據(jù)訓(xùn)練好的fasterr-cnn網(wǎng)絡(luò)和實(shí)時(shí)采集到的待檢測(cè)的金屬板帶表面圖像，實(shí)時(shí)檢測(cè)金屬板帶表面是否有缺陷，并對(duì)檢測(cè)到的缺陷進(jìn)行分類和定位。

本發(fā)明實(shí)施例所述的基于fasterr-cnn網(wǎng)絡(luò)的金屬板帶表面缺陷檢測(cè)方法，采集用于訓(xùn)練fasterr-cnn網(wǎng)絡(luò)的金屬板帶表面的圖像；對(duì)采集到的所述金屬板帶表面的圖像進(jìn)行數(shù)據(jù)增強(qiáng)；將采集到的所述金屬板帶表面的圖像及數(shù)據(jù)增強(qiáng)后得到的圖像中的缺陷部分用矩形框進(jìn)行標(biāo)注，獲取所述矩形框的坐標(biāo)與所述矩形框所包含缺陷的種類；根據(jù)采集到的所述金屬板帶表面的圖像及數(shù)據(jù)增強(qiáng)后得到的圖像，及獲取的所述矩形框的坐標(biāo)與所述矩形框所包含缺陷的種類對(duì)fasterr-cnn網(wǎng)絡(luò)進(jìn)行訓(xùn)練；實(shí)時(shí)采集待檢測(cè)的金屬板帶表面圖像，根據(jù)訓(xùn)練好的fasterr-cnn網(wǎng)絡(luò)和實(shí)時(shí)采集到的待檢測(cè)的金屬板帶表面圖像，實(shí)時(shí)檢測(cè)金屬板帶表面是否有缺陷，并對(duì)檢測(cè)到的缺陷進(jìn)行分類和定位，不僅滿足了工業(yè)生產(chǎn)實(shí)時(shí)檢測(cè)金屬板帶表面缺陷的需求，還能提高金屬板帶表面缺陷檢測(cè)的準(zhǔn)確率。

本實(shí)施例中，為了更好地理解基于fasterr-cnn網(wǎng)絡(luò)的金屬板帶表面缺陷檢測(cè)方法，先對(duì)fasterr-cnn網(wǎng)絡(luò)的工作原理進(jìn)行說(shuō)明，如圖2所示，fasterr-cnn主要由兩個(gè)部分組成：(1)用于生成regionproposal(候選區(qū)域)的候選區(qū)域網(wǎng)絡(luò)(regionproposalnetwork，rpn)，rpn是一個(gè)全卷積網(wǎng)絡(luò)，其主要作用是對(duì)圖片的卷積層特征進(jìn)行計(jì)算分析，然后在不同的圖像比例下，針對(duì)不同的缺陷類型生成一些矩形框(矩形框的坐標(biāo)通過(guò)四個(gè)數(shù)來(lái)表示，邊框中心點(diǎn)坐標(biāo)x和y，高度h，寬度w)同一張圖片會(huì)產(chǎn)生上千個(gè)矩形框，這些矩形框就是regionproposal(即有可能是缺陷的區(qū)域)；(2)對(duì)regionproposal進(jìn)行缺陷檢測(cè)的深度卷積神經(jīng)網(wǎng)絡(luò)fastr-cnn，fastr-cnn對(duì)rpn輸出得到的regionproposal進(jìn)行計(jì)算分析，篩去冗余或錯(cuò)誤的regionproposal，得到最優(yōu)的矩形框和類別得分，即為最后的檢測(cè)結(jié)果；圖2中，image表示圖像；convlayers表示卷積層；featuremaps表示特征映射；proposals表示候選區(qū)域；classifier表示分類器；roipooling全稱為regionofinterestpooling，中文為感興趣區(qū)域池化層/roi池化層。

在前述基于fasterr-cnn網(wǎng)絡(luò)的金屬板帶表面缺陷檢測(cè)方法的具體實(shí)施方式中，進(jìn)一步地，所述對(duì)采集到的所述金屬板帶表面的圖像進(jìn)行數(shù)據(jù)增強(qiáng)包括：

通過(guò)翻轉(zhuǎn)、平移策略對(duì)采集到的所述金屬板帶表面的圖像進(jìn)行數(shù)據(jù)增強(qiáng)。

本實(shí)施例中，可以通過(guò)工業(yè)相機(jī)采集用于訓(xùn)練fasterr-cnn網(wǎng)絡(luò)的金屬板帶表面的圖像，并對(duì)采集的金屬板帶表面的圖像通過(guò)翻轉(zhuǎn)、平移等策略進(jìn)行數(shù)據(jù)增強(qiáng)。

本實(shí)施例中，數(shù)據(jù)增強(qiáng)是在數(shù)據(jù)集中數(shù)據(jù)過(guò)少或數(shù)據(jù)難以獲得的情況下，對(duì)已有的數(shù)據(jù)集通過(guò)翻轉(zhuǎn)平移等策略進(jìn)行擴(kuò)大，得到的數(shù)據(jù)集包括原先的數(shù)據(jù)和增強(qiáng)后的數(shù)據(jù)。同一物體，在不同的角度和不同的背景下觀察，得到的圖像可能完全不同，計(jì)算機(jī)可能無(wú)法正確識(shí)別這些圖像，因此對(duì)圖像進(jìn)行鏡像翻轉(zhuǎn)和水平移動(dòng)，可以使數(shù)據(jù)集中包括同一張圖片在不同角度不同位置的各種數(shù)據(jù)。

在前述基于fasterr-cnn網(wǎng)絡(luò)的金屬板帶表面缺陷檢測(cè)方法的具體實(shí)施方式中，進(jìn)一步地，所述將采集到的所述金屬板帶表面的圖像及數(shù)據(jù)增強(qiáng)后得到的圖像中的缺陷部分用矩形框進(jìn)行標(biāo)注，獲取所述矩形框的坐標(biāo)與所述矩形框所包含缺陷的種類包括：

將采集到的所述金屬板帶表面的圖像及數(shù)據(jù)增強(qiáng)后得到的圖像中的缺陷部分用矩形框進(jìn)行標(biāo)注，獲取所述矩形框的中心點(diǎn)坐標(biāo)，所述矩形框的寬度、高度，及所述矩形框所包含缺陷的種類；

將采集到的所述金屬板帶表面的圖像及數(shù)據(jù)增強(qiáng)后得到的圖像、獲取的所述矩形框的中心點(diǎn)坐標(biāo)、所述矩形框的寬度與高度、及所述矩形框所包含缺陷的種類生成數(shù)據(jù)集。

本實(shí)施例中，將采集到的所述金屬板帶表面的圖像及數(shù)據(jù)增強(qiáng)后得到的圖像中的缺陷部分用矩形框進(jìn)行標(biāo)注，取所述矩形框的坐標(biāo)與所述矩形框所包含缺陷的種類(具體的：獲取每個(gè)矩形框的五個(gè)參數(shù)，所述矩形框的五個(gè)參數(shù)包括：矩形框的中心點(diǎn)坐標(biāo)(所述中心點(diǎn)坐標(biāo)為二維坐標(biāo))，矩形框的寬度與高度，以及矩形框所包含缺陷的種類)，將采集到的所述金屬板帶表面的圖像及數(shù)據(jù)增強(qiáng)后得到的圖像、這五個(gè)參數(shù)生成文本文件，文本文件中包括每張圖片中所有矩形框的五個(gè)參數(shù)，從而得到數(shù)據(jù)集，根據(jù)生成的數(shù)據(jù)集對(duì)fasterr-cnn網(wǎng)絡(luò)進(jìn)行訓(xùn)練，其中，數(shù)據(jù)集包括全部的圖像與文本文件。

本實(shí)施例中，所述數(shù)據(jù)集包括三部分，第一部分是訓(xùn)練集，用來(lái)訓(xùn)練fasterr-cnn網(wǎng)絡(luò)；第二部分部分是驗(yàn)證集，用來(lái)調(diào)整fasterr-cnn網(wǎng)絡(luò)超參數(shù)；第三部分是測(cè)試集，用來(lái)衡量網(wǎng)絡(luò)性能。

本實(shí)施例中，對(duì)于每個(gè)boundingbox在計(jì)算置信度時(shí)，會(huì)算出其對(duì)于每個(gè)缺陷種類的置信度。在前述基于fasterr-cnn網(wǎng)絡(luò)的金屬板帶表面缺陷檢測(cè)方法的具體實(shí)施方式中，進(jìn)一步地，在根據(jù)采集到的所述金屬板帶表面的圖像及數(shù)據(jù)增強(qiáng)后得到的圖像，及獲取的所述矩形框的坐標(biāo)與所述矩形框所包含缺陷的種類對(duì)fasterr-cnn網(wǎng)絡(luò)進(jìn)行訓(xùn)練之前，所述方法還包括：

根據(jù)要檢測(cè)的缺陷類別，修改fasterr-cnn網(wǎng)絡(luò)所能檢測(cè)的總的缺陷類別，并為每一個(gè)要檢測(cè)的缺陷類別分配固定的編號(hào)。

本實(shí)施例中，根據(jù)要檢測(cè)的缺陷類別(例如輥印、污漬、劃痕、孔洞、漏涂、凹陷、氣泡、異物、剝落等)，修改fasterr-cnn網(wǎng)絡(luò)所能檢測(cè)的總的缺陷類別，并為每一個(gè)要檢測(cè)的缺陷類別分配固定的編號(hào)。

本實(shí)施例中，當(dāng)應(yīng)用訓(xùn)練好的fasterr-cnn網(wǎng)絡(luò)檢測(cè)金屬板帶表面缺陷時(shí)，需實(shí)時(shí)采集待檢測(cè)的金屬板帶表面圖像金屬板帶表面缺陷，再根據(jù)訓(xùn)練好的fasterr-cnn網(wǎng)絡(luò)和實(shí)時(shí)采集到的待檢測(cè)的金屬板帶表面圖像，實(shí)時(shí)檢測(cè)金屬板帶表面是否有缺陷，并對(duì)檢測(cè)到的缺陷進(jìn)行分類和定位，本實(shí)施例提供的基于fasterr-cnn網(wǎng)絡(luò)的金屬板帶表面缺陷檢測(cè)方法，能夠快速準(zhǔn)確的檢測(cè)出金屬板帶表面的缺陷，對(duì)于各種類型的缺陷均有較高的準(zhǔn)確率，檢測(cè)結(jié)果均可達(dá)到百分之九十五以上的準(zhǔn)確率，對(duì)于部分類別的缺陷甚至可以達(dá)到百分之百的準(zhǔn)確率，圖3與圖4分別是實(shí)時(shí)采集的待檢測(cè)的金屬板帶表面圖像與使用本實(shí)施例提供的基于fasterr-cnn網(wǎng)絡(luò)的金屬板帶表面缺陷檢測(cè)方法檢測(cè)后的效果圖。

本實(shí)施例中，可以在金屬板帶生產(chǎn)線上架設(shè)工業(yè)相機(jī)以便實(shí)時(shí)采集待檢測(cè)的金屬板帶表面圖像，將工業(yè)相機(jī)與計(jì)算機(jī)連接，每當(dāng)工業(yè)相機(jī)采集到的待檢測(cè)的金屬板帶表面圖像并傳輸?shù)接?jì)算機(jī)時(shí)，訓(xùn)練好的fasterr-cnn網(wǎng)絡(luò)可以實(shí)現(xiàn)對(duì)圖像的實(shí)時(shí)處理，將圖像中的缺陷用矩形框標(biāo)注出來(lái)并輸出。

實(shí)施例二

本發(fā)明還提供一種基于fasterr-cnn網(wǎng)絡(luò)的金屬板帶表面缺陷檢測(cè)裝置的具體實(shí)施方式，由于本發(fā)明提供的基于fasterr-cnn網(wǎng)絡(luò)的金屬板帶表面缺陷檢測(cè)裝置與前述基于fasterr-cnn網(wǎng)絡(luò)的金屬板帶表面缺陷檢測(cè)方法的具體實(shí)施方式相對(duì)應(yīng)，該基于fasterr-cnn網(wǎng)絡(luò)的金屬板帶表面缺陷檢測(cè)裝置可以通過(guò)執(zhí)行上述方法具體實(shí)施方式中的流程步驟來(lái)實(shí)現(xiàn)本發(fā)明的目的，因此上述基于fasterr-cnn網(wǎng)絡(luò)的金屬板帶表面缺陷檢測(cè)方法具體實(shí)施方式中的解釋說(shuō)明，也適用于本發(fā)明提供的基于fasterr-cnn網(wǎng)絡(luò)的金屬板帶表面缺陷檢測(cè)裝置的具體實(shí)施方式，在本發(fā)明以下的具體實(shí)施方式中將不再贅述。

參看圖5所示，本發(fā)明實(shí)施例還提供一種基于fasterr-cnn網(wǎng)絡(luò)的金屬板帶表面缺陷檢測(cè)裝置，包括：

采集模塊11，用于采集用于訓(xùn)練fasterr-cnn網(wǎng)絡(luò)的金屬板帶表面的圖像；

增強(qiáng)模塊12，用于對(duì)采集到的所述金屬板帶表面的圖像進(jìn)行數(shù)據(jù)增強(qiáng)；

獲取模塊13，用于將采集到的所述金屬板帶表面的圖像及數(shù)據(jù)增強(qiáng)后得到的圖像中的缺陷部分用矩形框進(jìn)行標(biāo)注，獲取所述矩形框的坐標(biāo)與所述矩形框所包含缺陷的種類；

訓(xùn)練模塊14，用于根據(jù)采集到的所述金屬板帶表面的圖像及數(shù)據(jù)增強(qiáng)后得到的圖像，及獲取的所述矩形框的坐標(biāo)與所述矩形框所包含缺陷的種類對(duì)fasterr-cnn網(wǎng)絡(luò)進(jìn)行訓(xùn)練；

檢測(cè)模塊15，用于實(shí)時(shí)采集待檢測(cè)的金屬板帶表面圖像，根據(jù)訓(xùn)練好的fasterr-cnn網(wǎng)絡(luò)和實(shí)時(shí)采集到的待檢測(cè)的金屬板帶表面圖像，實(shí)時(shí)檢測(cè)金屬板帶表面是否有缺陷，并對(duì)檢測(cè)到的缺陷進(jìn)行分類和定位。

本發(fā)明實(shí)施例所述的基于fasterr-cnn網(wǎng)絡(luò)的金屬板帶表面缺陷檢測(cè)裝置，采集用于訓(xùn)練fasterr-cnn網(wǎng)絡(luò)的金屬板帶表面的圖像；對(duì)采集到的所述金屬板帶表面的圖像進(jìn)行數(shù)據(jù)增強(qiáng)；將采集到的所述金屬板帶表面的圖像及數(shù)據(jù)增強(qiáng)后得到的圖像中的缺陷部分用矩形框進(jìn)行標(biāo)注，獲取所述矩形框的坐標(biāo)與所述矩形框所包含缺陷的種類；根據(jù)采集到的所述金屬板帶表面的圖像及數(shù)據(jù)增強(qiáng)后得到的圖像，及獲取的所述矩形框的坐標(biāo)與所述矩形框所包含缺陷的種類對(duì)fasterr-cnn網(wǎng)絡(luò)進(jìn)行訓(xùn)練；實(shí)時(shí)采集待檢測(cè)的金屬板帶表面圖像，根據(jù)訓(xùn)練好的fasterr-cnn網(wǎng)絡(luò)和實(shí)時(shí)采集到的待檢測(cè)的金屬板帶表面圖像，實(shí)時(shí)檢測(cè)金屬板帶表面是否有缺陷，并對(duì)檢測(cè)到的缺陷進(jìn)行分類和定位，不僅滿足了工業(yè)生產(chǎn)的性需求，還能提高表面缺陷檢測(cè)的準(zhǔn)確率。

在前述基于fasterr-cnn網(wǎng)絡(luò)的金屬板帶表面缺陷檢測(cè)裝置的具體實(shí)施方式中，進(jìn)一步地，所述增強(qiáng)模塊，用于通過(guò)翻轉(zhuǎn)、平移策略對(duì)采集到的所述金屬板帶表面的圖像進(jìn)行數(shù)據(jù)增強(qiáng)。

在前述基于fasterr-cnn網(wǎng)絡(luò)的金屬板帶表面缺陷檢測(cè)裝置的具體實(shí)施方式中，進(jìn)一步地，所述獲取模塊包括：

標(biāo)注單元，用于將采集到的所述金屬板帶表面的圖像及數(shù)據(jù)增強(qiáng)后得到的圖像中的缺陷部分用矩形框進(jìn)行標(biāo)注；

獲取單元，用于獲取所述矩形框的中心點(diǎn)坐標(biāo)，所述矩形框的寬度、高度，及所述矩形框所包含缺陷的種類；

生成單元，用于將采集到的所述金屬板帶表面的圖像及數(shù)據(jù)增強(qiáng)后得到的圖像、獲取的所述矩形框的中心點(diǎn)坐標(biāo)、所述矩形框的寬度與高度、及所述矩形框所包含缺陷的種類生成數(shù)據(jù)集。

在前述基于fasterr-cnn網(wǎng)絡(luò)的金屬板帶表面缺陷檢測(cè)裝置的具體實(shí)施方式中，進(jìn)一步地，所述裝置還包括：

編號(hào)模塊，用于根據(jù)要檢測(cè)的缺陷類別，修改fasterr-cnn網(wǎng)絡(luò)所能檢測(cè)的總的缺陷類別，并為每一個(gè)要檢測(cè)的缺陷類別分配固定的編號(hào)。

在前述基于fasterr-cnn網(wǎng)絡(luò)的金屬板帶表面缺陷檢測(cè)裝置的具體實(shí)施方式中，進(jìn)一步地，所述訓(xùn)練模塊，用于根據(jù)生成的數(shù)據(jù)集對(duì)fasterr-cnn網(wǎng)絡(luò)進(jìn)行訓(xùn)練。

以上所述是本發(fā)明的優(yōu)選實(shí)施方式，應(yīng)當(dāng)指出，對(duì)于本技術(shù)領(lǐng)域的普通技術(shù)人員來(lái)說(shuō)，在不脫離本發(fā)明所述原理的前提下，還可以做出若干改進(jìn)和潤(rùn)飾，這些改進(jìn)和潤(rùn)飾也應(yīng)視為本發(fā)明的保護(hù)范圍。