基于立体光源的工业外观缺陷检测平台的算法设计与实现

发布时间：2021-01-26 02:46

　　目前很多工业场景下工件的表面缺陷检测环节仍需要通过人工方式进行,很难采用自动化的设备来完成。该领域仍是困扰多个行业的行业难题。自从2013年深度学习领域在算力和理论上的大幅度发展,为该类问题的解决提供了希望。本文以电池表面、铝板表面、汽车零件和布匹四个实际的工业缺陷检测场景为背景,以两阶段目标检测算法为基础算法进行多方面的改进,全面将深度学习方法整合应用在工业场景中。本文的主要研究工作概述如下:首先,通过对工件进行光源实验,设计了动态立体光源,解决了单一光源下很多缺陷无法成像的问题。采用多图叠加联合检测的方式,保证了每一类缺陷都可以在相机下无所遁形。然后,为了尽可能准确的检测到小目标和多尺度目标,本文在多尺度特征的提取方法上采取了三种方法。首先在图像输入网络之前通过图像金字塔的方式将输入图片进行预处理,将缺陷无论大小放缩到一个合适的尺度上,使检测网络在处理起来相对容易;其次在特征提取上采用了特征金字塔的方式,分别在检测主网络和候选框提取网络中融入了特征金字塔的思想,使每一层特征图都可以包含多尺度的信息;然后在主网络最后一层特征图采用了一个相关性约束,使特征图的非相关性增强,可以在一层特... 

【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】：79 页

【学位级别】：硕士

【部分图文】：

YOLO检测原理

图 1-2 图像分割方法示意图随后 Google 公司陆续发布了 Deeplab v1、v2、v3、v3+四种方法，创造性提出了带孔卷积、ASPP 等结构，也使得图形分割任务一举发展到比较高的水平，即使不借助 CRF 方法，凭借网络本身也可以得到很细致的分割外形，达到官方宣传的发丝级分割。目前业界缺陷检测方法也开始借鉴图像分割的方法对形态各异的缺陷分别进行检测，目前仍在发展中，仍没有成熟的解决方案产生。如表 1-1 所示，列举了目前学界在目标检测和目标分割任务上的主要方法及优缺点。业界目前基恩士公司开发了一套工业视觉缺陷检测平台，整合了一部分深度学习方法，可以对比较初级的缺陷进行检测，目前市场反馈尚不得而知。表 1-1 缺陷检测有关方法方法 主要贡献目标检测（两步法）R-CNN[1]目标检测领域鼻祖，奠定了两步法目标检测方法的基本框架，第一步生成大量候选框，第二步对每个候选框进行位置回归和分类

第 2 章 基于两阶段目标检测的方法研究2.1 引言本文改进的方法主要基于两阶段目标检测的方法进行展开，本章主要介绍一下目前最基础且成熟的两阶段目标检测实现的具体方法。以及其中的一些技术细节。同时由于深度学习方法的前置任务过于庞杂，故本章仍需要对一些卷积神经网络的基本知识进行梳理，以一个基础结构为例，介绍网络的参数是如何更新的以及网络是如何训练的。2.2 卷积神经网络的基本方法2.2.1 卷积神经网络的基础结构

【参考文献】：
期刊论文
[1]一种基于孔洞填充的路面裂缝识别方法[J]. 姜维刚,王仲霖,潘飞.  电子技术与软件工程. 2019(11)
[2]基于图像处理的木材干燥裂纹检测[J]. 张佳薇,樊兴,陈鹤,赵永政,张晓东,袁明润.  科学技术创新. 2019(16)
[3]基于机器视觉的刨花板表面缺陷检测系统[J]. 郭慧,盛振湘,王霄,刘传泽,周玉成,岳群飞.  木材工业. 2019(03)
[4]基于机器视觉的金属零件表面缺陷检测系统[J]. 王宇,吴智恒,邓志文,刘进军,童季刚,莫爵贤.  机械工程与自动化. 2018(04)
[5]基于图像处理的轴承滚珠表面缺陷检测研究[J]. 徐建亮,毛建辉,陈蓓.  自动化应用. 2018(06)
[6]一种基于机器视觉的快速规则的表面缺陷检测方法[J]. 田果,李澄非.  机械制造与自动化. 2018(02)
[7]机器视觉表面缺陷检测综述[J]. 汤勃,孔建益,伍世虔.  中国图象图形学报. 2017(12)
[8]基于机器视觉的零部件表面缺陷检测方法研究[J]. 刘晓杰,罗印升,张旻,范洪辉.  现代电子技术. 2017(24)
[9]基于机器视觉的铜条表面缺陷检测系统的研究[J]. 吴浩.  仪表技术与传感器. 2016(07)



本文编号：3000332