-
题名基于二值化赋范梯度的中厚板表面缺陷检测
被引量：7
- 1
-
-
作者
梁颖
詹光曹
徐科
-
机构
北京科技大学钢铁共性技术协同创新中心
福建三钢闽光股份有限公司中板厂
-
出处
《表面技术》
EI
CAS
CSCD
北大核心
2019年第10期336-341,共6页
-
基金
“十三五”国家重点研发计划课题(2018YFB0704304)
国家自然科学基金项目(51674031)~~
-
文摘
目的针对中厚板表面复杂、缺陷识别率低的问题,设计一种有效的候选窗口提取方法,提升中厚板表面缺陷检测的准确性与实时性。方法引入视觉选择性注意机制,采用一种基于二值化赋范梯度特征(Binarized Normed Gradients,BING)的一般对象估计算法来快速准确地提取缺陷感兴趣区域(Region of Interest,ROI),有效缩短搜寻过程。首先将样本归一化到8×8大小,提取规范化梯度特征(Normed Gradients,NG),学习一个测量显著性的线性SVM分类器来预测图像窗口含有缺陷的可能性。然后再通过样本尺度优化显著性评分,学习一个校准显著评分的线性SVM分类器。最后将两个SVM模型级联,用于在线检测,提取缺陷感兴趣区域。结果将训练好的BING模型与Inception-V3卷积神经网络相结合,用于中厚板表面缺陷检测与识别,BING算法有效减少了ROI数量,在ROI数量为500的情况下,达到了98.2%的召回率。结论在保证缺陷召回率的前提下,BING生成的ROI数量比滑动窗口遍历方式少2个数量级,有效减少了后续识别算法的计算量,有利于引入复杂的分类器提升中厚板表面缺陷识别的准确率。
-
关键词
中厚板
缺陷检测
二值化赋范梯度(BIng)
ROI提取
规范化梯度(ng)
线性SVM
-
Keywords
medium plates
defect detection
Binarized Normed Gradients(BIng)
extraction of ROI
Normed Gradients(ng)
linear SVM
-
分类号
TG142.71
[金属学及工艺—金属材料]
-
