本發(fā)明涉及一種熱軋帶鋼表面缺陷檢測(cè)方法。

背景技術(shù)：

1、在鋼鐵生產(chǎn)中，熱軋帶鋼是一種重要的鋼材產(chǎn)品，廣泛應(yīng)用于各個(gè)工業(yè)領(lǐng)域。然而，由于生產(chǎn)工藝等原因，帶鋼常出現(xiàn)表面缺陷，如開(kāi)裂、點(diǎn)蝕和內(nèi)含物等，嚴(yán)重影響其性能和質(zhì)量。因此，實(shí)時(shí)在線檢測(cè)帶鋼表面缺陷顯得尤為重要。

2、傳統(tǒng)的帶鋼表面缺陷檢測(cè)方法主要依賴人工目視檢查，這種方式效率低且容易遺漏缺陷，導(dǎo)致檢測(cè)結(jié)果不準(zhǔn)確。隨著機(jī)器視覺(jué)技術(shù)的發(fā)展，基于圖像處理的自動(dòng)化檢測(cè)方法逐漸應(yīng)用于帶鋼表面缺陷檢測(cè)中。然而，傳統(tǒng)圖像處理算法在面對(duì)帶鋼表面缺陷紋理多樣且尺度不一的情況下，檢測(cè)效果不理想，存在通用性和魯棒性較差的問(wèn)題。

3、近年來(lái)，深度學(xué)習(xí)技術(shù)在圖像識(shí)別領(lǐng)域取得了顯著進(jìn)展，基于深度學(xué)習(xí)的缺陷檢測(cè)方法逐漸成為研究熱點(diǎn)。深度學(xué)習(xí)算法無(wú)需人工顯式設(shè)計(jì)特征提取方式，可以對(duì)大量不同場(chǎng)景和條件下的數(shù)據(jù)進(jìn)行訓(xùn)練，得到適合不同場(chǎng)景的網(wǎng)絡(luò)模型。然而，現(xiàn)有深度學(xué)習(xí)模型在帶鋼表面缺陷檢測(cè)中的準(zhǔn)確性和效率方面仍有待提高。

4、因此，提供一種新的具有更高準(zhǔn)確性和效率的帶鋼表面缺陷檢測(cè)方法，成為亟需解決的技術(shù)問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明是為了解決上述現(xiàn)有技術(shù)存在的問(wèn)題而提供一種熱軋帶鋼表面缺陷檢測(cè)方法。

2、本發(fā)明所采用的技術(shù)方案有：

3、一種熱軋帶鋼表面缺陷檢測(cè)方法，包括如下步驟：

4、s1)對(duì)原始yolov8網(wǎng)絡(luò)模型進(jìn)行改進(jìn)，得到改進(jìn)的yolov8網(wǎng)絡(luò)模型，所述改進(jìn)點(diǎn)為：

5、(1)將原始主干網(wǎng)絡(luò)中的c2f模塊替換為msc2f模塊，所述msc2f模塊包括第一卷積層、第二卷積層和msblock；

6、(2)將原始頸部網(wǎng)絡(luò)中的concat模塊替換為gs-sdi模塊，所述gs-sdi模塊是將sdi模塊中的所有卷積層替換為gsconv模塊；

7、(3)將原始檢測(cè)頭替換為gsp-head；

8、(4)將原始網(wǎng)絡(luò)訓(xùn)練時(shí)的邊框回歸損失函數(shù)ciou替換為inner-ciou；

9、s2)利用公開(kāi)數(shù)據(jù)集對(duì)改進(jìn)的yolov8網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練；

10、s3)將待檢測(cè)的熱軋帶鋼輸入訓(xùn)練后的網(wǎng)絡(luò)模型，利用改進(jìn)的yolov8網(wǎng)絡(luò)模型對(duì)熱軋帶鋼表面的缺陷進(jìn)行識(shí)別。

11、進(jìn)一步地，所述msc2f模塊的實(shí)現(xiàn)方法為：

12、首先通過(guò)第一卷積層對(duì)輸入特征圖進(jìn)行處理，得到的輸出特征圖被分割為兩部分，分別為第一部分特征圖和第二部分特征圖；

13、通過(guò)msblock對(duì)第一部分特征圖進(jìn)行處理，將處理后的第一部分特征圖和第二部分特征圖在通道維度上進(jìn)行拼接，得到拼接后的特征圖，拼接后的特征圖通過(guò)第二卷積層進(jìn)行處理，得到最終msc2f模塊輸出特征圖。

14、進(jìn)一步地，所述msblock模塊包括通道擴(kuò)展卷積層、中間卷積層組合和輸出卷積層，msblock模塊的實(shí)現(xiàn)方法為：

15、首先通過(guò)輸入通道擴(kuò)展卷積層對(duì)輸入的第一部分特征圖進(jìn)行處理，得到通道擴(kuò)展后的特征圖；

16、將所述通道擴(kuò)展后的特征圖分割為多個(gè)部分，每個(gè)部分特征圖依次通過(guò)中間卷積層組合進(jìn)行處理；

17、將中間卷積層組合輸出的特征圖在通道維度上進(jìn)行拼接，得到拼接后的特征圖，拼接后的特征圖通過(guò)輸出卷積層進(jìn)行處理，得到最終msblock模塊輸出特征圖。

18、進(jìn)一步地，所述中間卷積層組合包括若干個(gè)中間卷積層，所述中間卷積層為msblocklayer模塊，msblocklayer模塊包括第三卷積層、第四卷積層和第五卷積層；通過(guò)第三卷積層對(duì)輸入至中間卷積層的特征圖進(jìn)行處理，得到中間特征圖；

19、接著，中間特征圖通過(guò)第四卷積層進(jìn)行處理，得到處理后的特征圖，最后，處理后的特征圖通過(guò)第五卷積層進(jìn)行處理，得到中間卷積層組合輸出特征圖。

20、進(jìn)一步地，所述gsp-head模塊包括第八卷積層、第九卷積層、第十卷積層和第十一卷積層，gsp-head模塊的實(shí)現(xiàn)方法為：

21、將輸入特征圖依次通過(guò)第八卷積層和第九卷積層進(jìn)行特征整合，得到處理后的特征圖，然后將處理后的特征圖通過(guò)第十卷積層得到回歸特征圖并計(jì)算回歸損失，通過(guò)第十一卷積層得到分類(lèi)特征圖并計(jì)算分類(lèi)損失。

22、進(jìn)一步地，所述第八卷積層采用gsconv模塊。

23、進(jìn)一步地，所述gsconv模塊包括第六卷積層和第七卷積層，通過(guò)第六卷積層對(duì)輸入特征圖進(jìn)行處理，得到中間特征圖，中間特征圖通過(guò)第七卷積層進(jìn)行處理，得到處理后的特征圖；將處理后的特征圖與第六卷積層的輸出特征圖在通道維度上進(jìn)行拼接，得到拼接后的特征圖，拼接后的特征圖通過(guò)重組操作，將其重新排列為兩個(gè)通道的特征圖，并在通道維度上進(jìn)行拼接，得到最終gsconv模塊輸出特征圖。

24、進(jìn)一步地，所述第六卷積層的輸入通道數(shù)為c1，輸出通道數(shù)為c_，卷積核大小為k，步長(zhǎng)為s，填充為p，分組數(shù)為g，膨脹率為d，激活函數(shù)為默認(rèn)激活函數(shù)；

25、所述第七卷積層的輸入通道數(shù)為c_，輸出通道數(shù)為c_，卷積核大小為5，步長(zhǎng)為1，填充為p，分組數(shù)為c_，膨脹率為d，激活函數(shù)為默認(rèn)激活函數(shù)。

26、本發(fā)明具有如下有益效果：

27、本發(fā)明具有較高的準(zhǔn)確性和可靠性，在提高鋼材質(zhì)量和生產(chǎn)效率方面具有重要的實(shí)際意義和應(yīng)用前景。

技術(shù)特征：

1.一種熱軋帶鋼表面缺陷檢測(cè)方法，其特征在于：包括如下步驟：

2.如權(quán)利要求1所述的熱軋帶鋼表面缺陷檢測(cè)方法，其特征在于：所述msc2f模塊的實(shí)現(xiàn)方法為：

3.如權(quán)利要求2所述的熱軋帶鋼表面缺陷檢測(cè)方法，其特征在于：所述msblock模塊包括通道擴(kuò)展卷積層(3)、中間卷積層組合(4)和輸出卷積層(9)，通過(guò)輸入通道擴(kuò)展卷積層(3)對(duì)輸入的第一部分特征圖進(jìn)行處理，得到通道擴(kuò)展后的特征圖；

4.如權(quán)利要求3所述的熱軋帶鋼表面缺陷檢測(cè)方法，其特征在于：所述中間卷積層組合(4)包括若干個(gè)中間卷積層(5)，所述中間卷積層(5)為msblocklayer模塊，msblocklayer模塊包括第三卷積層(6)、第四卷積層(7)和第五卷積層(8)，通過(guò)第三卷積層(6)對(duì)輸入至中間卷積層(5)的特征圖進(jìn)行處理，得到中間特征圖；

5.如權(quán)利要求1所述的熱軋帶鋼表面缺陷檢測(cè)方法，其特征在于：所述gsp-head模塊包括第八卷積層(16)、第九卷積層(17)、第十卷積層(18)和第十一卷積層(19)，將輸入特征圖依次通過(guò)第八卷積層(16)和第九卷積層(17)進(jìn)行特征整合，得到處理后的特征圖，然后將處理后的特征圖通過(guò)第十卷積層(18)得到回歸特征圖并計(jì)算回歸損失，通過(guò)第十一卷積層(19)得到分類(lèi)特征圖并計(jì)算分類(lèi)損失。

6.如權(quán)利要求5所述的熱軋帶鋼表面缺陷檢測(cè)方法，其特征在于：所述第八卷積層(16)采用gsconv模塊。

7.如權(quán)利要求1或6所述的熱軋帶鋼表面缺陷檢測(cè)方法，其特征在于：所述gsconv模塊包括第六卷積層(14)和第七卷積層(15)，

8.如權(quán)利要求7所述的熱軋帶鋼表面缺陷檢測(cè)方法，其特征在于：所述第六卷積層(14)的輸入通道數(shù)為c1，輸出通道數(shù)為c_，卷積核大小為k，步長(zhǎng)為s，填充為p，分組數(shù)為g，膨脹率為d，激活函數(shù)為默認(rèn)激活函數(shù)；

技術(shù)總結(jié)
本發(fā)明公開(kāi)了一種熱軋帶鋼表面缺陷檢測(cè)方法，對(duì)原始YOLOv8網(wǎng)絡(luò)模型進(jìn)行改進(jìn)，得到改進(jìn)的YOLOv8網(wǎng)絡(luò)模型，利用公開(kāi)數(shù)據(jù)集對(duì)改進(jìn)的YOLOv8網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練；將待檢測(cè)的熱軋帶鋼輸入訓(xùn)練后的網(wǎng)絡(luò)模型，利用改進(jìn)的YOLOv8網(wǎng)絡(luò)模型對(duì)熱軋帶鋼表面的缺陷進(jìn)行識(shí)別。本發(fā)明具有較高的準(zhǔn)確性和可靠性，在提高鋼材質(zhì)量和生產(chǎn)效率方面具有重要的實(shí)際意義和應(yīng)用前景。

技術(shù)研發(fā)人員：李興成,凌爍軒,阮龍森,司少杰,沈秋,李瑤瑤
受保護(hù)的技術(shù)使用者：江蘇理工學(xué)院
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/23