【技术实现步骤摘要】
本公开涉及工业检测，尤其涉及圆形连铸坯表面缺陷检测方法、装置、设备及存储介质。
技术介绍
1、圆形连铸坯表面缺陷检测在工业生产中尤为重要，圆形连铸坯表面质量必须得到严格的把关。工业现场目前仍采用人工检测方法，该方法抽检率低、准确性不高、实时性差、效率低、劳动强度大、受人工经验和主观因素的影响较大。同时，圆形连铸坯表面的缺陷检测比平整表面的缺陷检测更为困难，由于圆形连铸坯不可通过单次拍摄获取全部表面，因此对视觉采集设备与检测方法有非常严格的要求。所以如何快速、稳定地对圆形连铸坯表面进行缺陷检测，是目前亟待解决的问题。
2、传统的基于机器视觉的检测方法是基于图像处理和分析对产品可能存在的缺陷进行检测，这种方法采用非接触的工作方式，安装灵活，测量精度和速度都比较高。但这些传统的方法来做缺陷检测大多都是人工提取特征，从形状、颜色、长度、宽度、长宽比来确定被检测的目标是否符合标准，最终定义出一系列的规则来进行缺陷检测。缺点是随着被检测物体的变动，所有的规则和算法都要重新设计和开发。传统的机器视觉算法很难做到对缺陷特征完整的建模和迁移，复用性不大。
技术实现思路
1、鉴于以上所述现有技术的缺点，本公开的目的在于提供圆形连铸坯表面缺陷检测方法、装置、设备及存储介质，解决相关技术中的问题。
2、本公开第一方面提供一种圆形连铸坯表面缺陷检测方法，包括：获取对待检测的圆形连铸坯的各部分采集的第一图像，各第一图像的组合覆盖所述圆形连铸坯的完整表面；输入各所述第一图像至至少一个缺陷
3、在第一方面的实施例中，所述缺陷检测模型包括faster-rcnn模型，包括rpn模块、rcnn模块、及连接在rpn模块和rcnn模块之间的兴趣区域特征缩放模块，所述兴趣区域特征缩放模块为roialign。
4、在第一方面的实施例中，每个第一图像与至少一个其它第一图像中存在圆形连铸坯的重叠区域。
5、在第一方面的实施例中，所述缺陷检测模型的训练数据集包括：包含圆形连铸坯的表面缺陷的多个第二图像，所述训练数据集中的至少部分的第二图像包含圆形连铸坯的非完整的表面缺陷。
6、在第一方面的实施例中，所述训练数据集还包括对每个第二图像的标签信息，所述标签信息通过标注工具自动标注完成。
7、在第一方面的实施例中，所述人机交互界面还显示所述缺陷检测速度。
8、在第一方面的实施例中，所述输入各所述第一图像至至少一个缺陷检测模型，以得到缺陷检测结果并记录，包括：通过多个线程并行地调用多个所述缺陷检测模型，分别对每个所述第一图像进行缺陷检测。
9、本公开第二方面提供一种圆形连铸坯表面缺陷检测装置，包括：图像获取模块，用于获取对待检测的圆形连铸坯的各部分采集的第一图像，各第一图像的组合覆盖所述圆形连铸坯的完整表面；检测模块，用于输入各所述第一图像至至少一个缺陷检测模型，以得到缺陷检测结果并记录；其中，所述缺陷检测结果包括各部分的缺陷类型信息、及对应缺陷在圆形连铸坯上的全局位置信息；所述缺陷检测模型为经训练的深度神经网络模型；显示模块，用于通过人机交互界面实时显示至少所述缺陷检测结果中的缺陷类型信息。
10、本公开第三方面提供一种计算机设备，包括：存储器及处理器；所述存储器存储有程序指令，所述处理器用于运行所述程序指令以执行如第一方面中任一项所述圆形连铸坯表面缺陷检测方法。
11、本公开第四方面提供一种计算机可读存储介质，存储有程序指令，所述程序指令被运行以执行如执行如第一方面中任一项所述圆形连铸坯表面缺陷检测方法。
12、如上所述，本公开实施例中提供圆形连铸坯表面缺陷检测方法、装置、设备及存储介质，方法，包括：获取对待检测的圆形连铸坯的各部分采集的第一图像，各第一图像的组合覆盖所述圆形连铸坯的完整表面；输入各所述第一图像至至少一个缺陷检测模型，以得到缺陷检测结果并记录；其中，所述缺陷检测结果包括各部分的缺陷类型信息、及对应缺陷在圆形连铸坯上的全局位置信息；所述缺陷检测模型为经训练的深度神经网络模型；通过人机交互界面实时显示至少所述缺陷检测结果中的缺陷类型信息。本公开实施例中的方案通过第一图像的组合来完整检测圆形连铸坯的表面，并选择基于深度神经网络模型的缺陷检测模型来准确识别缺陷。
本文档来自技高网...【技术保护点】
1.一种圆形连铸坯表面缺陷检测方法，其特征在于，包括：
2.根据权利要求1所述的圆形连铸坯表面缺陷检测方法，其特征在于，所述缺陷检测模型包括Faster-RCNN模型，包括RPN模块、RCNN模块、及连接在RPN模块和RCNN模块之间的兴趣区域特征缩放模块，所述兴趣区域特征缩放模块为ROIAlign。
3.根据权利要求1所述的圆形连铸坯表面缺陷检测方法，其特征在于，每个第一图像与至少一个其它第一图像中存在圆形连铸坯的重叠区域。
4.根据权利要求1所述的圆形连铸坯表面缺陷检测方法，其特征在于，所述缺陷检测模型的训练数据集包括：包含圆形连铸坯的表面缺陷的多个第二图像，所述训练数据集中的至少部分的第二图像包含圆形连铸坯的非完整的表面缺陷。
5.根据权利要求1或3所述的圆形连铸坯表面缺陷检测方法，其特征在于，所述训练数据集还包括对每个第二图像的标签信息，所述标签信息通过标注工具自动标注完成。
6.根据权利要求1所述的圆形连铸坯表面缺陷检测方法，其特征在于，所述人机交互界面还显示所述缺陷检测速度。
7.根据权利要求1所
8.一种圆形连铸坯表面缺陷检测装置，其特征在于，包括：
9.一种计算机设备，其特征在于，包括：存储器及处理器；所述存储器存储有程序指令，所述处理器用于运行所述程序指令以执行如1至7中任一项所述圆形连铸坯表面缺陷检测方法。
10.一种计算机可读存储介质，其特征在于，存储有程序指令，所述程序指令被运行以执行如执行如1至7中任一项所述圆形连铸坯表面缺陷检测方法。
...【技术特征摘要】
1.一种圆形连铸坯表面缺陷检测方法，其特征在于，包括：
2.根据权利要求1所述的圆形连铸坯表面缺陷检测方法，其特征在于，所述缺陷检测模型包括faster-rcnn模型，包括rpn模块、rcnn模块、及连接在rpn模块和rcnn模块之间的兴趣区域特征缩放模块，所述兴趣区域特征缩放模块为roialign。
3.根据权利要求1所述的圆形连铸坯表面缺陷检测方法，其特征在于，每个第一图像与至少一个其它第一图像中存在圆形连铸坯的重叠区域。
4.根据权利要求1所述的圆形连铸坯表面缺陷检测方法，其特征在于，所述缺陷检测模型的训练数据集包括：包含圆形连铸坯的表面缺陷的多个第二图像，所述训练数据集中的至少部分的第二图像包含圆形连铸坯的非完整的表面缺陷。
5.根据权利要求1或3所述的圆形连铸坯表面缺陷检测方法，其特征在于...
【专利技术属性】
技术研发人员：徐锟，彭涛，
申请(专利权)人：中冶宝钢技术服务有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。