技術(shù)特征：

1.一種基于fpga與mnasnet的鋼材表面缺陷識(shí)別方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的一種基于fpga與mnasnet的鋼材表面缺陷識(shí)別方征在于，所述步驟二中灰度化公式：

3.根據(jù)權(quán)利要求1所述的一種基于fpga與mnasnet的鋼材表面缺陷識(shí)別方法，其特征在于，所述步驟三中的中值濾波原理公式：

4.根據(jù)權(quán)利要求1所述的一種基于fpga與mnasnet的鋼材表面缺陷識(shí)別方法，其特征在于，所述步驟四中邊緣檢測(cè)的具體方式為：

5.根據(jù)權(quán)利要求1所述的一種基于fpga與mnasnet的鋼材表面缺陷識(shí)別方法，其特征在于，所述步驟六中將圖像像素值歸一化公式：

6.根據(jù)權(quán)利要求1所述的一種基于fpga與mnasnet的鋼材表面缺陷識(shí)別方法，其特征在于，所述步驟七中mnasnet對(duì)處理后的圖像進(jìn)行檢測(cè)并識(shí)別的步驟：

7.根據(jù)權(quán)利要求6所述的一種基于fpga與mnasnet的鋼材表面缺陷識(shí)別方法，其特征在于，所述卷積層是cnn中的核心組件，通過卷積運(yùn)算對(duì)輸入數(shù)據(jù)進(jìn)行特征提取。卷積運(yùn)算的目的是提取輸入數(shù)據(jù)的局部特征，卷積操作的基本公式可以表示為：

8.根據(jù)權(quán)利要求6所述的一種基于fpga與mnasnet的鋼材表面缺陷識(shí)別方法，其特征在于，所述池化層主要用于減少特征圖的維度，同時(shí)保留重要的特征信息，通過設(shè)定窗口在特征圖滑動(dòng)，對(duì)窗口內(nèi)的數(shù)據(jù)進(jìn)行聚合操作，從而減小特征圖的尺寸，對(duì)于池化窗口內(nèi)的每個(gè)子區(qū)域，取該區(qū)域內(nèi)的最大值作為輸出。

9.根據(jù)權(quán)利要求6所述的一種基于fpga與mnasnet的鋼材表面缺陷識(shí)別方法，其特征在于，所述全連接層將前一層的所有神經(jīng)元與當(dāng)前層的每個(gè)神經(jīng)元相連，實(shí)現(xiàn)特征的綜合和分類，公式：

技術(shù)總結(jié)
本發(fā)明涉及鋼材表面缺陷檢測(cè)技術(shù)領(lǐng)域，提供一種基于FPGA與MnasNet的鋼材表面缺陷識(shí)別方法，包括以下步驟：步驟一、使用工業(yè)攝像頭實(shí)時(shí)捕獲鋼材表面的圖像；步驟二、將彩色圖像轉(zhuǎn)換為灰度圖像，以減少計(jì)算量和存儲(chǔ)需求；步驟三、利用中值濾波去除圖像中噪聲；步驟四、在圖像處理中通過邊緣檢測(cè)識(shí)別圖像中亮度變化，并計(jì)算圖像亮度的梯度近似值來工作；步驟五、在圖像處理中，通過用戶選擇圖像中的一個(gè)特定區(qū)域進(jìn)行進(jìn)一步的處理或分析。通過深度學(xué)習(xí)技術(shù)與FPGA硬件平臺(tái)相結(jié)合，實(shí)現(xiàn)了鋼材表面缺陷識(shí)別的高效、精準(zhǔn)和實(shí)時(shí)處理，為鋼材生產(chǎn)過程中的質(zhì)量控制提供了新的思路和方法，還顯著提升了處理速度和效率。

技術(shù)研發(fā)人員：郝亮,董世龍,潘志威,劉培培,張宇,徐瑛琦,黃澤陽
受保護(hù)的技術(shù)使用者：雄安威賽博智能科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/2