论文题目:基于机器视觉的金属表面缺陷检测
汇报人:19智能制造 刘保远
一、了解金属表面缺陷检测现状
1.1光学照明、成像模块:
图像采集系统
1.2图像处理方法:
图像预处理图像定位与分割
图像特征提取与选择
1.3缺陷识别等内容:
基于传统模式识别(人工提取特征配合分类器)
深度学习分类网络模型的方法
二、学习和熟练使用相应软件和机器学习算法
2.1使用TensorFlow和cnn卷积神经网络对图片进行算法处理和识别:
2.1.1软件使用和环境搭建:
pycharm+TensorFlow
2.1.2算法学习和选择
TensorFlow算法总结
监督学习:
(原先的预测模型,有基础的训练数据,再将需要预测的数据进行输入,得到预测的结果)
无监督学习
强化学习
三、金属表面缺陷样本数据整理
NEU-CLS 数据集包含了热轧带钢六类典型的表面缺陷灰度图片
每类缺陷有300个图像样本,原始图像尺寸大小为200×200像素
包括裂纹、夹杂、斑块、麻点、氧化铁皮压入和划痕
对每图片进行分类、机抽取每个图集中的50张图进行二次分类、进行识别算法
四、表面缺陷检测模型构建、训练
五、验证测试
对每类的剩余250张图片进行算法验证测试,验证算法的可行性
附:实验拓展(若时间充足)
使用CCD相机进行金属缺陷进行图片采集验证算法
全流程图
详细流程图