一种基于深度学习的铝材表面缺陷检测算法

摘要

本发明涉及一种基于深度学习的铝材表面缺陷检测算法，包括：(1)利用摄像头对铝材表面进行拍摄，获取相关数据集并用labelImg工具对图像进行标注，获取标签信息；(2)将图像划分成训练集和测试集，并对训练集进行数据增强；(3)每次同时输入一张有缺陷图像和无缺陷图像及有缺陷图像的标签信息到网络中进行模型训练；(4)将测试图像输入到训练好的铝材表面缺陷检测模型，获取缺陷的位置和对应的类别。本发明的方法可以有效利用有缺陷图像和无缺陷图像，提高模型的泛化能力和检测精度，通过充分利用候选区域周围的上下文信息进一步提高检测性能，利用软的非极大值抑制算法可以提高对密集小缺陷的检测性能，是一种高效的铝材表面缺陷检测算法。