(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 201910213482.1
防水摄像头(22)申请日 2019.03.20
led探照灯
(71)申请人 易思维（杭州）科技有限公司
地址 310051 浙江省杭州市滨江区滨安路
1197号3幢495室
(72)发明人 赵进 崔鹏飞 郭磊
(51)Int.Cl.
G01N 21/88(2006.01)
(54)发明名称一种基于深度学习的焊缝及焊缝缺陷检测方法(57)摘要本发明公开了一种基于深度学习的焊缝及焊缝缺陷检测方法，采用YOLOV3网络实现焊缝和/或焊缝缺陷检测；网络的训练步骤：将工件图像利用定位框对焊缝进行框选、标记，作为训练数据集；将焊缝图像利用定位框对焊缝缺陷进行框选、标记缺陷类型，作为训练数据集I；获取定位框的坐标x p 、y p ，以及宽高尺寸w p 、h p ；初始化网络；随机调取输入张量a j 进行训练计算，输出检测结果；利用检测结果计算预测结果的误差函数loss；结合梯度下降法调节权重W和偏置值b，如此循环，得到训练好的网络；本方法，对多条焊缝、多种缺陷类型同步检测，一次测量即可实现焊缝识别定位及缺陷检测，有效提高测量效率和 精度。权利要求书2页 说明书5页 附图2页CN 109900706 A 2019.06.18
C N 109900706
A
特效三光脚气粉1.一种基于深度学习的焊缝及焊缝缺陷检测方法，采用YOLO V3网络实现焊缝和/或焊缝缺陷检测；其特征在于：
进行焊缝和/或焊缝缺陷检测的YOLO V3网络经如下步骤进行训练：
1)将包含焊缝的工件图像利用定位框对焊缝进行框选、标记，多张此类图像作为训练数据集；
将焊缝区域分割后形成的焊缝图像利用定位框对焊缝缺陷进行框选、标记缺陷类型，多张此类图像作为训练数据集I；
获取定位框的坐标x p 、y p ，以及宽高尺寸w p 、h p ；
2)初始化设置YOLO V3网络的权重W、偏置值b、最大训练次数、学习率，按照输入图片尺寸要求将训练数据集/训练数据集I中的图像转化成输入张量a j ，j＝1，2，3…m，m为训练数据集和训练数据I中图像的张数和；
3)所述YOLO V3网络随机调取输入张量a j 进行训练计算，输出检测结果；
利用所述检测结果计算预测结果的误差函数loss；
结合梯度下降法调节权重W和偏置值b，再次随机调取输入张量a j 在YOLO V3网络中进行计算，求取预测的误差函数loss，如此循环，直至检测结果的误差函数loss＜1或达到最大训练次数，输出此时对应的权重W，及偏置值b，得到训练好的YOLO V3网络；
多功能开瓶器其中，检测结果的误差函数loss通过如下公式计算：
loss＝λcoord ·loss coord +loss IOU +loss classes
λcoord
为检测结果中定位框的坐标误差的比例系数；
检测结果中定位框的坐标为
检测结果中定位框的宽高尺寸为无级调速器
为检测结果确定的定位框内存在焊缝或焊缝缺陷的置信度；
P p 为检测结果确定的定位框内存在焊缝或焊缝缺陷的概率，存在时，P p ＝1，反之，P p ＝0；
n为步骤1)中标记类型数；
得到训练为检测结果确定的定位框内存在的焊缝或焊缝缺陷属于预定分类的概率。
2.如权利要求1所述基于深度学习的焊缝及焊缝缺陷检测方法，其特征在于：还包括步骤4)，利用不包括在训练数据集或训练数据集I内的图像作为测试图片集，所述测试图片集内的图像为多张包含焊缝的工件图像或焊缝区域分割后形成的焊缝图像；所述测试图片集内的图像采用了与训练数据集或训练数据集I内图像相同的处理方法进行了处理；
所述测试图片集内的图像输入到训练好的YOLO V3网络，评估输出结果的正确率达到
权 利 要 求 书1/2页2CN 109900706 A
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议