-
公开(公告)号:CN110276754A
公开(公告)日:2019-09-24
申请号:CN201910540159.5
申请日:2019-06-21
Applicant: 厦门大学
Abstract: 本发明涉及一种表面缺陷检测方法、终端设备及存储介质,在该方法中,包括:S1:采集检测对象的缺陷图像组成训练集,并对训练集内的缺陷图像进行标注;S2:构建缺陷检测模型,将训练集输入缺陷检测模型进行训练,得到训练后的缺陷检测模型;所述缺陷检测模型基于Faster R-CNN网络构建,其特征提取网络为VGG-16网络,并在VGG-16网络中,将第3层的输出与第5层的输出进行叠加;S3:将待检测的缺陷图像输入训练后的缺陷检测模型,得到缺陷图像中的缺陷定位框和缺陷类型;S4:根据待检测的缺陷图像中的缺陷定位框对缺陷进行分割。本发明基于Faster R-CNN网络和阈值分割方法,使检测过程中只需输入图像就可输出缺陷类型、位置和轮廓,即实现缺陷的端到端检测。
-
公开(公告)号:CN110276754B
公开(公告)日:2021-08-20
申请号:CN201910540159.5
申请日:2019-06-21
Applicant: 厦门大学
Abstract: 本发明涉及一种表面缺陷检测方法、终端设备及存储介质,在该方法中,包括:S1:采集检测对象的缺陷图像组成训练集,并对训练集内的缺陷图像进行标注;S2:构建缺陷检测模型,将训练集输入缺陷检测模型进行训练,得到训练后的缺陷检测模型;所述缺陷检测模型基于Faster R‑CNN网络构建,其特征提取网络为VGG‑16网络,并在VGG‑16网络中,将第3层的输出与第5层的输出进行叠加;S3:将待检测的缺陷图像输入训练后的缺陷检测模型,得到缺陷图像中的缺陷定位框和缺陷类型;S4:根据待检测的缺陷图像中的缺陷定位框对缺陷进行分割。本发明基于Faster R‑CNN网络和阈值分割方法,使检测过程中只需输入图像就可输出缺陷类型、位置和轮廓,即实现缺陷的端到端检测。
-