本申请涉及钢材质量检测领域，公开了一种语义分割模型的构建方法、钢材缺陷检测方法和设备；该构建方法包括：获取若干历史钢材图像；其中，每一历史钢材图像包含对应缺陷类型标注；按照预设的不同缺陷类型对应的ID值，对各历史钢材图像中同一缺陷类型标注对应的像素点赋予同一ID值，得到标记图像；对标记图像进行数据增强处理，得到扩充图像；基于历史钢材图像与扩充图像进行模型训练，得到用于语义分割钢材图像的语义分割模型。本申请实施例通过对历史钢材图像进行处理，以构建用于实现钢材图像缺陷检测的语义分割模型，通过钢材图像来实现钢材缺陷的自动化检测且提高了检测的精度和可靠性，进而提高钢材检测的效率。
【技术实现步骤摘要】
本申请涉及钢材质量检测领域，尤其涉及一种语义分割模型的构建方法、钢材缺陷检测方法和设备。
技术介绍
1、在钢铁的生产中，随着工业生产水平的提高，大部分流程已实现自动化的流水线生产，然而对于生产钢材进行表观质量检测仍然未寻得有效的方法。现有技术中，钢材生产属于超高温加工生产，钢材成型加工过程中由于温度较高，不适合人为近距离观察，则一般是钢材已经成型且降温一段时间后，送至安全区域后，工人肉眼进行观察。但是由于钢材较重，不易搬动，工人在进行检查时易发生遗漏、忽略等问题，进而，进而导致钢材图像检测的精度和效率较低。
技术实现思路
1、第一方面，本申请提供一种语义分割模型的构建方法，包括：
2、获取若干历史钢材图像；其中，每一所述历史钢材图像包含对应缺陷类型标注；
3、按照预设的不同缺陷类型对应的id值，对各所述历史钢材图像中同一缺陷类型标注对应的像素点赋予同一id值，得到标记图像；
4、对所述标记图像进行数据增强处理，得到扩充图像；
5、基于所述历史钢材图像与所述扩充图像进行模型训练，得到用于语义分割钢材图像的语义分割模型。
6、在可选的实施方式中，所述对所述标记图像进行数据增强处理，得到扩充图像，包括：
7、对各所述标记图像进行直方图均衡化处理，得到图像放大倍数为第一倍数的多个第一扩充图像；
8、对各所述第一扩充图像按照预设缩放尺寸进行尺寸缩放处理，得到图像放大倍数为第二倍数的多个第二扩充图像；
<
p>9、对各所述第二扩充图像进行翻转处理，得到图像放大倍数为第三倍数的多个第三扩充图像；10、其中，所述第一倍数、所述第二倍数和所述第三倍数的值依次递增。
11、在可选的实施方式中，所述对各所述标记图像进行直方图均衡化处理，包括：
12、采用hist函数分别计算各所述标记图像中各个像素值的相对频率；
13、根据所述相对频率，计算得到图像放大倍数为第一倍数的多个第一扩充图像；
14、其中，所述相对频率的计算公式为：
15、p(k)＝n/n；
16、式中，p(k)为所述标记图像中灰度值为k的相对频率；n为所述标记图像的像素总数，n为所述标记图像中灰度值为k的像素个数。
17、在可选的实施方式中，在所述对各所述历史钢材图像中同一缺陷类型标注对应的像素点赋予同一id值，得到标记图像之前，还包括：
18、将各所述历史钢材图像中背景像素的值置为零；
19、按照不同缺陷类型与rgb值的预设关系，对各所述历史钢材图像中缺陷类型标注对应的像素区域进行着色处理，进而对同一着色区域的像素点赋予同一id值；其中，不同缺陷类型分别对应不同rgb值和不同id值。
20、在可选的实施方式中，所述方法还包括：
21、预先设置不同缺陷类型与不同id值、不同rgb值三者之间的预设关系；
22、其中，若所述缺陷类型为背景时，对应rgb值分别设置为0、0、0，对应id值设置为0；
23、若所述缺陷类型为夹杂时，对应rgb值分别设置为0、255、0，对应id值设置为1；
24、若所述缺陷类型为划痕时，对应rgb值分别设置为255、255、0，对应id值设置为2；
25、若所述缺陷类型为压入氧化皮时，对应rgb值分别设置为0、0、255，对应id值设置为3；
26、若所述缺陷类型为裂纹时，对应rgb值分别设置为255、0、255，对应id值设置为4；
27、若所述缺陷类型为麻点时，对应rgb值分别设置为0、255、255，对应id值设置为5；
28、若所述缺陷类型为斑块时，对应rgb值分别设置为255、255、255，对应id值设置为6。
29、在可选的实施方式中，所述基于所述历史钢材图像与所述扩充图像进行模型训练，得到用于语义分割钢材图像的语义分割模型，包括：
30、将所述历史钢材图像输入至预设的神经网络中进行网络参数训练，得到骨干网络模型；
31、根据所述扩充图像对所述骨干网络模型进行网格参数训练，得到第一语义分割模型；
32、采用所述历史钢材图像对所述第一语义分割模型进行二次训练，得到第二语义分割模型；
33、选取所述第一语义分割模型和所述第二语义分割模型的验证结果中准确度最高的一个模型作为目标语义分割模型。
34、在可选的实施方式中，所述模型训练的过程中采用预设的神经网络进行训练，所述神经网络由卷积神经网络构建得到；
35、其中，所述神经网络包括第一卷积层、第一归一化层、第二卷积层、第二归一化层、第三卷积层、第三归一化层、注意力层、第四归一化层、第一全连接层、第二全连接层、第一上采样层、第二上采样层、第三上采样层、第一丢弃层和第二丢弃层；
36、所述第一卷积层、所述第一归一化层、所述第二卷积层、所述第二归一化层、所述第三卷积层、所述第三归一化层、所述注意力层、所述第四归一化层、所述第一全连接层和所述第二全连接层依次连接；
37、所述第一全连接层、所述第二全连接层分别对应连接所述第一丢弃层、所述第二丢弃层；
38、所述第四归一化层与所述第二全连接层的输出进行特征融合后作为所述第一上采样层的输入；所述第三归一化层与所述第一上采样层的输出进行特征融合后作为所述第二上采样层的输入。
39、第二方面，本申请提供一种钢材缺陷检测方法，包括：
40、将待检测的钢材图像输入至语义分割模型中，以输出带有id值的语义分割图像；其中，所述语义分割模型基于如前述的语义分割模型的构建方法来构建得到；
41、识别所述语义分割图像中各个像素区域的id值，以确定所述语义分割图像包含的缺陷类型以及缺陷位置。
42、在可选的实施方式中，还包括：
43、根据不同缺陷类型与不同id值、不同rgb值三者之间的预设关系，对所述语义分割图像中带有不同id值的像素区域进行着色处理，以直观展示所述语义分割图像包含的缺陷类型以及缺陷位置。
44、第三方面，本申请提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器用于执行所述计算机程序以实施前述的语义分割模型的构建方法或前述的钢材缺陷检测方法。
45、本申请实施例具有如下有益效果：
46、本申请实施例提供了一种语义分割模型的构建方法，该方法包括获取若干历史钢材图像；其中，每一历史钢材图像包含对应缺陷类型标注；按照预设的不同缺陷类型对应的id值，对各历史钢材图像中同一缺陷类型标注对应的像素点赋予同一id值，得到标记图像；对标记图像进行数据增强处理，得到扩充图像；基于历史钢材图像与扩充图像进行模型训练，得到用于语义分割钢材图像的语义分割模型。本实施例通过对历史钢材图像进行处理，并将其作为训练样本，以构建用于语义本文档来自技高网
...
【技术保护点】
1.一种语义分割模型的构建方法，其特征在于，包括：
2.根据权利要求1所述的语义分割模型的构建方法，其特征在于，所述对所述标记图像进行数据增强处理，得到扩充图像，包括：
3.根据权利要求2所述的语义分割模型的构建方法，其特征在于，所述对各所述标记图像进行直方图均衡化处理，包括：
4.根据权利要求1所述的语义分割模型的构建方法，其特征在于，在所述对各所述历史钢材图像中同一缺陷类型标注对应的像素点赋予同一ID值，得到标记图像之前，还包括：
5.根据权利要求4所述的语义分割模型的构建方法，其特征在于，所述方法还包括：
6.根据权利要求1所述的语义分割模型的构建方法，其特征在于，所述基于所述历史钢材图像与所述扩充图像进行模型训练，得到用于语义分割钢材图像的语义分割模型，包括：
7.根据权利要求1所述的语义分割模型的构建方法，其特征在于，所述模型训练的过程中采用预设的神经网络进行训练，所述神经网络由卷积神经网络构建得到；
8.一种钢材缺陷检测方法，其特征在于，包括：
9.根据权利要求8所述的钢材缺陷检测方法，其特征在于，还包括：
10.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器用于执行所述计算机程序以实施权利要求1-7中任一项所述的语义分割模型的构建方法或权利要求8-9中任一项所述的钢材缺陷检测方法。
...
【技术特征摘要】
1.一种语义分割模型的构建方法，其特征在于，包括：
2.根据权利要求1所述的语义分割模型的构建方法，其特征在于，所述对所述标记图像进行数据增强处理，得到扩充图像，包括：
3.根据权利要求2所述的语义分割模型的构建方法，其特征在于，所述对各所述标记图像进行直方图均衡化处理，包括：
4.根据权利要求1所述的语义分割模型的构建方法，其特征在于，在所述对各所述历史钢材图像中同一缺陷类型标注对应的像素点赋予同一id值，得到标记图像之前，还包括：
5.根据权利要求4所述的语义分割模型的构建方法，其特征在于，所述方法还包括：
6.根据权利要求1所述的语义分割模型的构建方法，其特...
【专利技术属性】
技术研发人员：孙浩宇，邓顺义，熊伟，
申请(专利权)人：上海三旺奇通信息科技有限公司，
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。