本發(fā)明涉及缺陷檢測(cè)，特別涉及一種基于機(jī)器視覺的制冷閥門外表面缺陷檢測(cè)方法及系統(tǒng)。

背景技術(shù)：

1、制冷閥門是制冷系統(tǒng)中的關(guān)鍵組件，廣泛應(yīng)用于空調(diào)、冷藏、工業(yè)制冷等領(lǐng)域。它們負(fù)責(zé)控制制冷劑的流動(dòng)和調(diào)節(jié)系統(tǒng)的壓力和溫度，從而確保系統(tǒng)高效、安全運(yùn)行。制冷閥門的質(zhì)量直接影響制冷系統(tǒng)的性能和可靠性，因此制冷閥門的質(zhì)量控制顯得尤為重要。

2、制冷閥門在制造或者使用過程中容易產(chǎn)生外表面缺陷，如裂紋、劃痕、銹蝕等。這些缺陷可能會(huì)影響閥門的密封性能、導(dǎo)致閥門的結(jié)構(gòu)強(qiáng)度下降以及腐蝕風(fēng)險(xiǎn)增加等一系列的問題。

3、傳統(tǒng)的制冷閥門外表面缺陷檢測(cè)方法主要包括人工目視檢查和基于模型訓(xùn)練的模型檢測(cè)。由于人工視察的效率低下，因此，大都采用訓(xùn)練好的模型進(jìn)行檢測(cè)，然而，由于制冷閥門外表面缺陷或異?，F(xiàn)象發(fā)生的罕見性導(dǎo)致難以收集足夠多的缺陷樣本，使得缺陷樣本基數(shù)太少而導(dǎo)致模型訓(xùn)練難以捕捉到足夠多的特征，容易導(dǎo)致訓(xùn)練的模型精度不高，進(jìn)而導(dǎo)致制冷閥門外表面缺陷識(shí)別不夠準(zhǔn)確的問題。

技術(shù)實(shí)現(xiàn)思路

1、有鑒于此，本發(fā)明的目的在于提供一種基于機(jī)器視覺的制冷閥門外表面缺陷檢測(cè)方法及系統(tǒng)，旨在解決現(xiàn)有技術(shù)中在進(jìn)行制冷閥門外表面缺陷識(shí)別不夠準(zhǔn)確的問題。

2、本發(fā)明實(shí)施例是這樣實(shí)現(xiàn)的：

3、一方面提出一種基于機(jī)器視覺的制冷閥門外表面缺陷檢測(cè)方法，所述方法包括：

4、采集預(yù)設(shè)數(shù)量的外表面存在缺陷的制冷閥門缺陷圖像以及外表面未存在缺陷的制冷閥門正常圖像，并根據(jù)所述制冷閥門缺陷圖像和制冷閥門正常圖像建立訓(xùn)練數(shù)據(jù)集；

5、按預(yù)設(shè)數(shù)據(jù)增強(qiáng)策略對(duì)所述訓(xùn)練數(shù)據(jù)集進(jìn)行擴(kuò)充，并將所述訓(xùn)練數(shù)據(jù)集劃分為標(biāo)注訓(xùn)練數(shù)據(jù)集和未標(biāo)注訓(xùn)練數(shù)據(jù)集；

6、將所述未標(biāo)注訓(xùn)練數(shù)據(jù)集輸入與預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)當(dāng)中進(jìn)行深度學(xué)習(xí)得到初始缺陷檢測(cè)模型，后將所述標(biāo)注訓(xùn)練數(shù)據(jù)集輸入到訓(xùn)練好的所述初始缺陷檢測(cè)模型中調(diào)整模型的超參數(shù)得到所述缺陷檢測(cè)模型；

7、獲取待檢測(cè)的制冷閥門外表面圖像，將所述制冷閥門外表面圖像輸入至所述缺陷檢測(cè)模型當(dāng)中以檢測(cè)所述制冷閥門外表面是否存在缺陷。

8、進(jìn)一步的，上述基于機(jī)器視覺的制冷閥門外表面缺陷檢測(cè)方法，其中，所述按預(yù)設(shè)數(shù)據(jù)增強(qiáng)策略對(duì)所述訓(xùn)練數(shù)據(jù)集進(jìn)行擴(kuò)充的步驟包括：

9、對(duì)所述訓(xùn)練數(shù)據(jù)集當(dāng)中的圖像以隨機(jī)概率添加椒鹽噪聲和高斯

10、模糊；或者對(duì)所述訓(xùn)練數(shù)據(jù)集當(dāng)中的圖像進(jìn)行隨機(jī)水平翻轉(zhuǎn)、隨機(jī)角度翻轉(zhuǎn)；或者對(duì)所述訓(xùn)練數(shù)據(jù)集當(dāng)中的圖像進(jìn)行對(duì)比度增強(qiáng)得到另一圖像數(shù)據(jù)。

11、進(jìn)一步的，上述基于機(jī)器視覺的制冷閥門外表面缺陷檢測(cè)方法，其中，所述按預(yù)設(shè)數(shù)據(jù)增強(qiáng)策略對(duì)所述訓(xùn)練數(shù)據(jù)集進(jìn)行擴(kuò)充的步驟還包括：

12、獲取所述制冷閥門缺陷圖像當(dāng)中的制冷閥門的缺陷區(qū)域，通過對(duì)所述缺陷區(qū)域進(jìn)行調(diào)整對(duì)所述制冷閥門的缺陷進(jìn)行變換得到目標(biāo)制冷閥門缺陷圖像，以對(duì)所述訓(xùn)練數(shù)據(jù)集進(jìn)行擴(kuò)充。

13、進(jìn)一步的，上述基于機(jī)器視覺的制冷閥門外表面缺陷檢測(cè)方法，其中，所述通過對(duì)所述缺陷區(qū)域進(jìn)行調(diào)整對(duì)所述制冷閥門的缺陷進(jìn)行變換得到目標(biāo)制冷閥門缺陷圖像的步驟包括：

14、對(duì)所述缺陷區(qū)域在所述制冷閥門缺陷圖像上進(jìn)行隨機(jī)水平翻轉(zhuǎn)、隨機(jī)角度翻轉(zhuǎn)得到目標(biāo)制冷閥門缺陷圖像。

15、進(jìn)一步的，上述基于機(jī)器視覺的制冷閥門外表面缺陷檢測(cè)方法，其中，所述通過對(duì)所述缺陷區(qū)域進(jìn)行調(diào)整對(duì)所述制冷閥門的缺陷進(jìn)行變換得到目標(biāo)制冷閥門缺陷圖像的步驟還包括：

16、判斷所述缺陷區(qū)域是否為單個(gè)；

17、若是，則獲取所述缺陷區(qū)域內(nèi)的缺陷趨勢(shì)，根據(jù)所述缺陷趨勢(shì)對(duì)所述缺陷進(jìn)行延展得到所述目標(biāo)制冷閥門缺陷圖像；

18、若否，則根據(jù)所述缺陷類型對(duì)所述缺陷區(qū)域內(nèi)的缺陷進(jìn)行融合后得到所述目標(biāo)制冷閥門缺陷圖像。

19、進(jìn)一步的，上述基于機(jī)器視覺的制冷閥門外表面缺陷檢測(cè)方法，其中，所述將所述未標(biāo)注訓(xùn)練數(shù)據(jù)集輸入與預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)當(dāng)中進(jìn)行深度學(xué)習(xí)得到初始缺陷檢測(cè)模型的步驟包括：

20、獲取訓(xùn)練過程中的模型預(yù)測(cè)值與實(shí)際值之間的損失，根據(jù)所述損失進(jìn)行反向傳播得到所述初始缺陷檢測(cè)模型。

21、進(jìn)一步的，上述基于機(jī)器視覺的制冷閥門外表面缺陷檢測(cè)方法，其中，所述將所述標(biāo)注訓(xùn)練數(shù)據(jù)集輸入到訓(xùn)練好的所述初始缺陷檢測(cè)模型中調(diào)整模型的超參數(shù)得到所述缺陷檢測(cè)模型的步驟之前還包括：

22、獲取所述標(biāo)注訓(xùn)練數(shù)據(jù)集的樣本數(shù)，根據(jù)所述樣本數(shù)將所述標(biāo)注訓(xùn)練數(shù)據(jù)集劃分成與所述樣本數(shù)相同的等份；

23、設(shè)置一個(gè)循環(huán)，循環(huán)所述樣本數(shù)相同的次數(shù)，每次選擇不同的一個(gè)等份作為驗(yàn)證集，其余作為訓(xùn)練集；

24、在每次循環(huán)中，使用當(dāng)前選擇的所述訓(xùn)練集來訓(xùn)練所述初始缺陷檢測(cè)模型，使用當(dāng)前的所述驗(yàn)證集來評(píng)估所述初始缺陷檢測(cè)模型的性能。

25、本發(fā)明的另一個(gè)目的在于提供一種基于機(jī)器視覺的制冷閥門外表面缺陷檢測(cè)系統(tǒng)，所述系統(tǒng)包括：

26、獲取模塊，用于采集預(yù)設(shè)數(shù)量的外表面存在缺陷的制冷閥門缺陷圖像以及外表面未存在缺陷的制冷閥門正常圖像，并根據(jù)所述制冷閥門缺陷圖像和制冷閥門正常圖像建立訓(xùn)練數(shù)據(jù)集；

27、增強(qiáng)模塊，用于按預(yù)設(shè)數(shù)據(jù)增強(qiáng)策略對(duì)所述訓(xùn)練數(shù)據(jù)集進(jìn)行擴(kuò)充，并將所述訓(xùn)練數(shù)據(jù)集劃分為標(biāo)注訓(xùn)練數(shù)據(jù)集和未標(biāo)注訓(xùn)練數(shù)據(jù)集；

28、訓(xùn)練模塊，用于將所述未標(biāo)注訓(xùn)練數(shù)據(jù)集輸入與預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)當(dāng)中進(jìn)行深度學(xué)習(xí)得到初始缺陷檢測(cè)模型，后將所述標(biāo)注訓(xùn)練數(shù)據(jù)集輸入到訓(xùn)練好的所述初始缺陷檢測(cè)模型中調(diào)整模型的超參數(shù)得到所述缺陷檢測(cè)模型；

29、檢測(cè)模塊，用于獲取待檢測(cè)的制冷閥門外表面圖像，將所述制冷閥門外表面圖像輸入至所述缺陷檢測(cè)模型當(dāng)中以檢測(cè)所述制冷閥門外表面是否存在缺陷。

30、又一方面，本發(fā)明提出一種可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，所述程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述的方法的步驟。

31、又一方面，本發(fā)明提出一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器、處理器以及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)上述的方法的步驟。

32、本發(fā)明實(shí)施例通過采集預(yù)設(shè)數(shù)量的外表面存在缺陷的制冷閥門缺陷圖像以及外表面未存在缺陷的制冷閥門正常圖像，并根據(jù)制冷閥門缺陷圖像和制冷閥門正常圖像建立訓(xùn)練數(shù)據(jù)集；按預(yù)設(shè)數(shù)據(jù)增強(qiáng)策略對(duì)訓(xùn)練數(shù)據(jù)集進(jìn)行擴(kuò)充，并將訓(xùn)練數(shù)據(jù)集劃分為標(biāo)注訓(xùn)練數(shù)據(jù)集和未標(biāo)注訓(xùn)練數(shù)據(jù)集；將未標(biāo)注訓(xùn)練數(shù)據(jù)集輸入與預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)當(dāng)中進(jìn)行深度學(xué)習(xí)得到初始缺陷檢測(cè)模型，后將標(biāo)注訓(xùn)練數(shù)據(jù)集輸入到訓(xùn)練好的初始缺陷檢測(cè)模型中調(diào)整模型的超參數(shù)得到缺陷檢測(cè)模型；獲取待檢測(cè)的制冷閥門外表面圖像，將制冷閥門外表面圖像輸入至缺陷檢測(cè)模型當(dāng)中以檢測(cè)制冷閥門外表面是否存在缺陷。通過數(shù)據(jù)增強(qiáng)策略擴(kuò)充訓(xùn)練數(shù)據(jù)集，增加樣本數(shù)量，在進(jìn)行訓(xùn)練時(shí)，采用未標(biāo)注的數(shù)據(jù)進(jìn)行自監(jiān)督預(yù)訓(xùn)練獲得通用的特征信息，后利用標(biāo)注的數(shù)據(jù)進(jìn)行模型的微調(diào)，克服傳統(tǒng)監(jiān)督學(xué)習(xí)訓(xùn)練依賴大量標(biāo)注數(shù)據(jù)而缺陷樣本基數(shù)太少的缺陷，解決了現(xiàn)有技術(shù)中在進(jìn)行制冷閥門外表面缺陷識(shí)別不夠準(zhǔn)確的問題。