Processing

Please wait...

Settings

Settings

Goto Application

1. WO2022160167 - STRIP STEEL SURFACE DEFECT DETECTION METHOD BASED ON CONVOLUTIONAL NEURAL NETWORK MODEL TRAINING

Publication Number WO/2022/160167
Publication Date 04.08.2022
International Application No. PCT/CN2021/074102
International Filing Date 28.01.2021
IPC
G06K 9/62 2006.1
GPHYSICS
06COMPUTING; CALCULATING OR COUNTING
KRECOGNITION OF DATA; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
9Methods or arrangements for reading or recognising printed or written characters or for recognising patterns, e.g. fingerprints
62Methods or arrangements for recognition using electronic means
Applicants
  • 东莞职业技术学院 DONG GUAN POLYTECHNIC [CN]/[CN]
Inventors
  • 舒雨锋 SHU, Yufeng
  • 刘志伟 LIU, Zhiwei
  • 梅阳寒 MEI, Yanghan
  • 左大利 ZUO, Dali
  • 郑炜彬 ZHENG, Weibin
  • 谢兴警 XIE, Xingjing
  • 周廉发 ZHOU, Lianfa
  • 陈睿杰 CHEN, Ruijie
  • 方彦皓 FANG, Yanhao
Agents
  • 北京翔石知识产权代理事务所(普通合伙) BEIJING XIANGSHI INTELLECTUAL PROPERTY AGENCY (GENERAL PARTNERSHIP)
Priority Data
Publication Language Chinese (zh)
Filing Language Chinese (ZH)
Designated States
Title
(EN) STRIP STEEL SURFACE DEFECT DETECTION METHOD BASED ON CONVOLUTIONAL NEURAL NETWORK MODEL TRAINING
(FR) PROCÉDÉ DE DÉTECTION DE DÉFAUT DE SURFACE D'ACIER EN BANDES BASÉ SUR UN ENTRAÎNEMENT DE MODÈLE DE RÉSEAU DE NEURONES À CONVOLUTION
(ZH) 基于卷积神经网络模型训练的带钢表面缺陷检测方法
Abstract
(EN) The present invention relates to a strip steel surface defect detection method based on convolutional neural network model training. The method comprises: preliminarily determining and correcting a collection resolution and a detection resolution; training a convolutional neural network by using a preset image; the convolutional neural network establishing a defect image reconstruction model; an image collection device continuously collecting strip steel surface images; a central control system using the convolutional neural network to reconstruct the images; and the central control system detecting the images and sequentially determining the positions and types of strip steel surface defects. In the present invention, a central control system determines a collection resolution according to parameters of the actual environment in a strip steel production workshop, determines a detection resolution according to the size of strip steel to be tested, and corrects the collection resolution in a gradual and targeted manner according to a size relationship between ratios A and A0 of the detection resolution to the collection resolution, such that a corrected ratio A' is within a certain range of A0, thereby improving the detection accuracy of the method.
(FR) La présente invention concerne un procédé de détection de défaut de surface d'acier en bandes basé sur un entraînement de modèle de réseau de neurones à convolution. Le procédé consiste à : déterminer de manière préliminaire et corriger une résolution de collecte et une résolution de détection; entraîner un réseau de neurones à convolution à l'aide d'une image prédéfinie; établir, par le réseau de neurones à convolution, un modèle de reconstruction d'images de défaut; collecter de manière continue, par un dispositif de collecte d'images, des images de surface d'acier en bandes; utiliser, par un système de commande central, le réseau de neurones à convolution pour reconstruire les images; et détecter, par le système de commande central, les images et déterminer de manière séquentielle les positions et les types de défauts de surface d'acier en bandes. Dans la présente invention, un système de commande central détermine une résolution de collecte selon des paramètres de l'environnement réel dans un atelier de production d'acier en bandes, détermine une résolution de détection selon la taille de l'acier en bandes à tester, et corrige la résolution de collecte d'une manière progressive et ciblée selon une relation de taille entre des rapports A et A0 de la résolution de détection à la résolution de collecte, de telle sorte qu'un rapport corrigé A' est compris dans une certaine plage de A0, ce qui permet d'améliorer la précision de détection du procédé.
(ZH) 本发明涉及一种基于卷积神经网络模型训练的带钢表面缺陷检测方法,包括:初步确定和修正采集分辨率和检测分辨率;使用预设图像对卷积神经网络进行训练;卷积神经网络建立缺陷图像重建模型;图像采集设备连续采集带钢表面图像;中控系统使用卷积神经网络对图像进行重建;中控系统对各图像进行检测并依次判定带钢表面缺陷的位置和种类。本发明所述中控系统会根据带钢生产车间内的实际环境参数确定采集分辨率、根据待检测带钢的尺寸确定检测分辨率并根据检测分辨率与采集分辨率之间的比例A与A0的大小关系对采集分辨率逐步进行针对性的修正以使修正后的比例A'在A0的一定范围内,提高了所述方法的检测精度。
Latest bibliographic data on file with the International Bureau