本發(fā)明屬于帶鋼表面缺陷檢測(cè)，涉及一種基于se模塊輕量級(jí)網(wǎng)絡(luò)的帶鋼表面缺陷檢測(cè)方法。

背景技術(shù)：

1、熱軋帶鋼作為工業(yè)和制造業(yè)的重要原材料之一，在機(jī)械電子、航空航天、軍事裝備等領(lǐng)域得到廣泛應(yīng)用。熱軋帶鋼表面缺陷是生產(chǎn)中重要的性能指標(biāo)之一，可能影響熱軋帶鋼的力學(xué)性能、抗腐蝕性能等，進(jìn)而影響熱軋帶鋼本身甚至下游生產(chǎn)鏈的產(chǎn)品壽命和市場競爭力。因此，需要在生產(chǎn)環(huán)節(jié)對(duì)熱軋帶鋼表面的缺陷情況進(jìn)行檢測(cè)。常見的表面缺陷包括夾雜、斑塊和劃痕等。早期的表面缺陷檢測(cè)主要依賴人工進(jìn)行檢查，雖然不需要投入大量檢測(cè)設(shè)備，但效率低下、標(biāo)準(zhǔn)不統(tǒng)一，并存在安全隱患。隨著生產(chǎn)需求和質(zhì)量要求的提高，傳統(tǒng)方法逐漸無法滿足要求。后來出現(xiàn)了紅外線檢測(cè)、超聲波檢測(cè)、漏磁檢測(cè)等方法，雖然取得了一些成果，但效率和適用范圍有限，無法實(shí)現(xiàn)全自動(dòng)檢測(cè)。

2、近年來，隨著人工智能技術(shù)的飛速發(fā)展和應(yīng)用，卷積神經(jīng)網(wǎng)絡(luò)成為解決表面缺陷檢測(cè)的重要手段之一。深度學(xué)習(xí)的檢測(cè)方法具有適用性強(qiáng)、效率高的特點(diǎn)，因此越來越多的神經(jīng)網(wǎng)絡(luò)模型被應(yīng)用在熱軋帶鋼表面缺陷檢測(cè)中。基于卷積神經(jīng)網(wǎng)絡(luò)的熱軋帶鋼表面缺陷檢測(cè)方法可以幫助生產(chǎn)線上的工作人員快速了解熱軋帶鋼表面的質(zhì)量情況，及時(shí)采取相應(yīng)的處理措施，也可將這類方法用于產(chǎn)品質(zhì)量控制和質(zhì)檢流程中，以確保產(chǎn)品符合標(biāo)準(zhǔn)。同時(shí)，通過表面缺陷檢測(cè)，可以提前發(fā)現(xiàn)不符合質(zhì)量標(biāo)準(zhǔn)的產(chǎn)品，防止有缺陷的原材料流入下游市場。根據(jù)缺陷的種類、位置、大小等情況，及時(shí)改進(jìn)生產(chǎn)工藝和制造手段，降低企業(yè)損失，提高產(chǎn)品質(zhì)量，促進(jìn)制造業(yè)發(fā)展?；诰矸e神經(jīng)網(wǎng)絡(luò)的表面缺陷檢測(cè)方法具有高效率、實(shí)時(shí)性好、精確度高等優(yōu)點(diǎn)，只需定期檢查和維護(hù)檢測(cè)設(shè)備，可長期進(jìn)行表面缺陷檢測(cè)，無需額外投入。

3、現(xiàn)有的非輕量級(jí)的神經(jīng)網(wǎng)絡(luò)通常具有復(fù)雜的結(jié)構(gòu)和大量的參數(shù)，雖然在處理復(fù)雜任務(wù)時(shí)具有較高的準(zhǔn)確性和性能，但其訓(xùn)練和推理過程需要大量的計(jì)算資源和內(nèi)存空間，部署困難且容易過擬合，訓(xùn)練時(shí)間長，限制了其在資源受限的設(shè)備上的應(yīng)用。

技術(shù)實(shí)現(xiàn)思路

1、為解決上述技術(shù)問題，本發(fā)明的目的是提供一種基于se模塊輕量級(jí)網(wǎng)絡(luò)的帶鋼表面缺陷檢測(cè)方法。

2、本發(fā)明的一種基于se模塊輕量級(jí)網(wǎng)絡(luò)的帶鋼表面缺陷檢測(cè)方法，包括：

3、步驟1：對(duì)現(xiàn)有的neu-cls熱軋帶鋼表面缺陷數(shù)據(jù)集進(jìn)行預(yù)處理，制作缺陷圖片數(shù)據(jù)集；

4、步驟2：從缺陷圖片數(shù)據(jù)集中隨機(jī)抽取10％的圖片作為測(cè)試集，其余的圖片按照8比2的比例劃分為訓(xùn)練集和驗(yàn)證集；

5、步驟3：建立基于壓縮激勵(lì)模塊的輕量級(jí)殘差網(wǎng)絡(luò)；

6、步驟4：將訓(xùn)練集輸入到基于壓縮激勵(lì)模塊的輕量級(jí)殘差網(wǎng)絡(luò)，進(jìn)行訓(xùn)練，同時(shí)通過測(cè)試集對(duì)網(wǎng)絡(luò)的準(zhǔn)確度進(jìn)行驗(yàn)證；

7、步驟5：將訓(xùn)練好的基于壓縮激勵(lì)模塊的輕量級(jí)殘差網(wǎng)絡(luò)部署到開發(fā)板，通過開發(fā)板的攝像頭采集驗(yàn)證集中的缺陷圖片對(duì)缺陷進(jìn)行判定，得到判定結(jié)果。

8、本發(fā)明的一種基于se模塊輕量級(jí)網(wǎng)絡(luò)的帶鋼表面缺陷檢測(cè)方法，具有以下有益效果：

9、本發(fā)明基于resnet50網(wǎng)絡(luò)改進(jìn)而來構(gòu)成全新的rcsnet網(wǎng)絡(luò)，對(duì)傳統(tǒng)resnet50中的殘差塊進(jìn)行修改，引入壓縮激勵(lì)模塊，擴(kuò)展了網(wǎng)絡(luò)模型對(duì)于不同重要程度的特征信息的檢測(cè)能力，同時(shí)使用通道混洗結(jié)構(gòu)，通過relu激活函數(shù)將網(wǎng)絡(luò)中的線性變換轉(zhuǎn)化為非線性變換，提升網(wǎng)絡(luò)的非線性表達(dá)能力，通過sigmoid激活函數(shù)對(duì)通道內(nèi)的特征向量進(jìn)行映射處理，突出了通道之間不同的重要性程度，最后在模塊中引入了深度可分離卷積，有效的減少了計(jì)算量和參數(shù)量，在保證計(jì)算準(zhǔn)確度的前提下，實(shí)現(xiàn)了更高效的特征信息提取。

技術(shù)特征：

1.一種基于se模塊輕量級(jí)網(wǎng)絡(luò)的帶鋼表面缺陷檢測(cè)方法，其特征在于，包括：

2.如權(quán)利要求1所述的于se模塊輕量級(jí)網(wǎng)絡(luò)的帶鋼表面缺陷檢測(cè)方法，其特征在于，所述步驟1具體為：

3.如權(quán)利要求1所述的于se模塊輕量級(jí)網(wǎng)絡(luò)的帶鋼表面缺陷檢測(cè)方法，其特征在于，所述基于壓縮激勵(lì)模塊的輕量級(jí)殘差網(wǎng)絡(luò)包括依次連接的第一卷積層、第一rcs單元、多個(gè)第二rcs單元、多個(gè)第三rcs單元和第二卷積層；第一rcs單元、第二rcs單元和第三rcs單元都用于提取特征圖；

4.如權(quán)利要求3所述的于se模塊輕量級(jí)網(wǎng)絡(luò)的帶鋼表面缺陷檢測(cè)方法，其特征在于，所述第二rcs單元包括：分割通道、第三卷積層、深度可分離卷積層、第四卷積層和通道清洗模塊；第三卷積層和第四卷積層都采用1×1卷積核；

5.如權(quán)利要求4所述的于se模塊輕量級(jí)網(wǎng)絡(luò)的帶鋼表面缺陷檢測(cè)方法，其特征在于，所述通道混洗結(jié)構(gòu)進(jìn)行通道混洗需要確定自己的特征圖通道數(shù)和分組的數(shù)量，具體為：

6.如權(quán)利要求4所述的于se模塊輕量級(jí)網(wǎng)絡(luò)的帶鋼表面缺陷檢測(cè)方法，其特征在于，所述第一rcs單元在第二rcs單元的基礎(chǔ)上增加了壓縮激勵(lì)模塊，第四卷積層輸出的特征圖過批歸一化處理和relu激活函數(shù)后先輸入到壓縮激勵(lì)模塊進(jìn)行特征重要性學(xué)習(xí)，弱化不顯著的特征，增強(qiáng)顯著的特征再和第二個(gè)通道的特征圖進(jìn)行合并。

7.如權(quán)利要求6所述的于se模塊輕量級(jí)網(wǎng)絡(luò)的帶鋼表面缺陷檢測(cè)方法，其特征在于，所述壓縮激勵(lì)模塊包括依次連接的全局平均池化層和兩個(gè)全連接層；

8.如權(quán)利要求6所述的于se模塊輕量級(jí)網(wǎng)絡(luò)的帶鋼表面缺陷檢測(cè)方法，其特征在于，所述第三rcs單元的結(jié)構(gòu)與第一rcs單元的結(jié)構(gòu)相同，區(qū)別在于采用sigmoid激活函數(shù)代換第一rcs單元中的relu激活函數(shù)。

技術(shù)總結(jié)
本發(fā)明的一種基于SE模塊輕量級(jí)網(wǎng)絡(luò)的帶鋼表面缺陷檢測(cè)方法，包括：對(duì)現(xiàn)有的NEU?CLS熱軋帶鋼表面缺陷數(shù)據(jù)集進(jìn)行預(yù)處理，制作缺陷圖片數(shù)據(jù)集；從缺陷圖片數(shù)據(jù)集中隨機(jī)抽取10％的圖片作為測(cè)試集，其余的圖片按照8比2的比例劃分為訓(xùn)練集和驗(yàn)證集；建立基于壓縮激勵(lì)模塊的輕量級(jí)殘差網(wǎng)絡(luò)；將訓(xùn)練集輸入到基于壓縮激勵(lì)模塊的輕量級(jí)殘差網(wǎng)絡(luò)，進(jìn)行訓(xùn)練，同時(shí)通過測(cè)試集對(duì)網(wǎng)絡(luò)的準(zhǔn)確度進(jìn)行驗(yàn)證；將訓(xùn)練好的基于壓縮激勵(lì)模塊的輕量級(jí)殘差網(wǎng)絡(luò)部署到開發(fā)板，通過開發(fā)板的攝像頭采集驗(yàn)證集中的缺陷圖片對(duì)缺陷進(jìn)行判定，得到判定結(jié)果。

技術(shù)研發(fā)人員：李旭,欒峰,李伯晨,高涵,曹善鴻,吳艷,韓月嬌
受保護(hù)的技術(shù)使用者：東北大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6