-
公开(公告)号：CN108345911A
公开(公告)日：2018-07-31
申请号：CN201810338076.3
申请日：2018-04-16
Applicant: 东北大学
Abstract: 本发明提供一种基于卷积神经网络多级特征的钢板表面缺陷检测方法，涉及钢板缺陷检测技术领域。该方法首先选取基准网络，并对其进行预训练，同时建立用于微调训练的专用缺陷检测数据集；然后搭建整体检测网络和多级特征融合网络，并将它们合并得到缺陷检测网络；最后设置缺陷检测网络的损失函数和训练超参数，并对缺陷检测网络进行训练，使基准网络、多级特征融合网络和RPN共享卷积层和计算量，得到训练完成的缺陷检测网络模型，进而对钢板表面缺陷进行检测。本发明提供的基于卷积神经网络多级特征的钢板表面缺陷检测方法，具有强大的缺陷分类能力，且能够完整的获得缺陷的具体类别以及精确的位置信息，同时降低了检测所需硬件的配置。
-
公开(公告)号：CN105488503A
公开(公告)日：2016-04-13
申请号：CN201510852639.7
申请日：2015-11-27
Applicant: 东北大学
IPC: G06K9/32
CPC classification number: G06K9/4604 , G06K9/3233 , G06K9/40 , G06K9/50
Abstract: 一种非编码圆环形标记点圆心图像坐标检测方法，属于图像处理与模式识别领域。通过Canny边缘检测获得图像上可能代表标记点的边缘，并通过腐蚀后的全局二值化图像建立对边缘图像的遮罩，过滤掉图像中的伪边缘；利用逐行扫描的方式初步获得标记点圆心坐标及其横、纵向范围；在灰度图像Ig上构建感兴趣区域ROI，并在ROI中确定标记点质心，最终获得所求标记点圆心在原图像上的坐标。本发明将标记点检测范围缩小至ROI，ROI范围内的伪边缘及灰度变化得到限制，故不易受光照不均的影响。同时由于对腐蚀后边缘图像中的边缘进行预选，使所构建ROI很可能包含标记点，因此可以放宽几何准则、形状准则的判定阈值，故可以克服标记点图像椭圆化影响。
-
公开(公告)号：CN108345911B
公开(公告)日：2021-06-29
申请号：CN201810338076.3
申请日：2018-04-16
Applicant: 东北大学
Abstract: 本发明提供一种基于卷积神经网络多级特征的钢板表面缺陷检测方法，涉及钢板缺陷检测技术领域。该方法首先选取基准网络，并对其进行预训练，同时建立用于微调训练的专用缺陷检测数据集；然后搭建整体检测网络和多级特征融合网络，并将它们合并得到缺陷检测网络；最后设置缺陷检测网络的损失函数和训练超参数，并对缺陷检测网络进行训练，使基准网络、多级特征融合网络和RPN共享卷积层和计算量，得到训练完成的缺陷检测网络模型，进而对钢板表面缺陷进行检测。本发明提供的基于卷积神经网络多级特征的钢板表面缺陷检测方法，具有强大的缺陷分类能力，且能够完整的获得缺陷的具体类别以及精确的位置信息，同时降低了检测所需硬件的配置。
-
公开(公告)号：CN105488503B
公开(公告)日：2019-02-05
申请号：CN201510852639.7
申请日：2015-11-27
Applicant: 东北大学
IPC: G06K9/32
Abstract: 一种非编码圆环形标记点圆心图像坐标检测方法，属于图像处理与模式识别领域。通过Canny边缘检测获得图像上可能代表标记点的边缘，并通过腐蚀后的全局二值化图像建立对边缘图像的遮罩，过滤掉图像中的伪边缘；利用逐行扫描的方式初步获得标记点圆心坐标及其横、纵向范围；在灰度图像Ig上构建感兴趣区域ROI，并在ROI中确定标记点质心，最终获得所求标记点圆心在原图像上的坐标。本发明将标记点检测范围缩小至ROI，ROI范围内的伪边缘及灰度变化得到限制，故不易受光照不均的影响。同时由于对腐蚀后边缘图像中的边缘进行预选，使所构建ROI很可能包含标记点，因此可以放宽几何准则、形状准则的判定阈值，故可以克服标记点图像椭圆化影响。
-
-
-
Search Results
4
records
(took 0.017 seconds)
