本發(fā)明涉及連鑄坯缺陷檢測(cè)，更具體地說，它涉及一種基于unet的連鑄方坯缺陷檢測(cè)方法、系統(tǒng)、設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、連鑄坯的生產(chǎn)是整個(gè)鋼鐵生產(chǎn)線的關(guān)鍵環(huán)節(jié)，由于凝固前沿高濃度溶質(zhì)的鋼液發(fā)生相對(duì)流動(dòng)形成，宏觀偏析在后續(xù)的軋制和均勻化熱處理過程中不能完全消除，對(duì)鋼產(chǎn)品的性能和穩(wěn)定性產(chǎn)生重要影響。因此，對(duì)連鑄坯內(nèi)部缺陷進(jìn)行快速準(zhǔn)確地檢測(cè)以及質(zhì)量評(píng)級(jí)對(duì)連鑄鋼板坯的生產(chǎn)過程至關(guān)重要，而且連鑄坯內(nèi)部缺陷在很大程度上影響著連鑄壞質(zhì)量，對(duì)于內(nèi)部缺陷的檢測(cè)是衡量鑄壞質(zhì)量好環(huán)的一個(gè)重要標(biāo)準(zhǔn)。目前主要還是通過人工評(píng)級(jí)內(nèi)部缺陷，人工評(píng)級(jí)方法有著主觀性大，效率低等問題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明要解決的技術(shù)問題是針對(duì)現(xiàn)有技術(shù)的上述不足，本發(fā)明的目的一是提供一種智能、快速、準(zhǔn)確的基于unet的連鑄方坯缺陷檢測(cè)方法。

2、本發(fā)明的目的二是提供一種基于unet的連鑄方坯缺陷檢測(cè)系統(tǒng)。

3、本發(fā)明的目的三是提供一種計(jì)算機(jī)設(shè)備。

4、本發(fā)明的目的四是提供一種計(jì)算機(jī)存儲(chǔ)介質(zhì)。

5、為了實(shí)現(xiàn)上述目的一，本發(fā)明提供一種基于unet的連鑄方坯缺陷檢測(cè)方法，包括以下步驟：

6、步驟一.獲取按照標(biāo)準(zhǔn)進(jìn)行侵蝕和清洗后的方坯樣品的方坯圖像；

7、步驟二.對(duì)所述方坯圖像進(jìn)行圖像增強(qiáng)處理得到增強(qiáng)圖像，對(duì)所述方坯圖像、增強(qiáng)圖像中的缺陷進(jìn)行標(biāo)注，并制作成連鑄方坯表面缺陷數(shù)據(jù)集，對(duì)所述連鑄方坯表面缺陷數(shù)據(jù)集劃分為訓(xùn)練集、驗(yàn)證集與測(cè)試集；

8、步驟三.對(duì)unet網(wǎng)絡(luò)進(jìn)行改進(jìn)，使用leaky?relu函數(shù)作為conv結(jié)構(gòu)中的激活函數(shù)，將編碼結(jié)構(gòu)中經(jīng)過卷積模塊后的特征圖送入bam注意力模塊中，并將bam注意力模塊輸出的特征圖與經(jīng)過反卷積操作后得到維度相同的特征圖拼接；

9、步驟四.使用所述訓(xùn)練集對(duì)改進(jìn)的unet網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，訓(xùn)練時(shí)將epoch設(shè)定在200-300范圍內(nèi)，之后對(duì)unet網(wǎng)絡(luò)模型進(jìn)行參數(shù)微調(diào)，完成基于改進(jìn)unet的連鑄方坯缺陷分割模型；

10、使用所述驗(yàn)證集對(duì)所述連鑄方坯缺陷分割模型進(jìn)行驗(yàn)證，并進(jìn)行參數(shù)優(yōu)化；

11、使用所述測(cè)試集對(duì)優(yōu)化后的連鑄方坯缺陷分割模型進(jìn)行測(cè)試，對(duì)連鑄方坯缺陷分割模型的準(zhǔn)確率、召回率、精度及miou分割指標(biāo)進(jìn)行計(jì)算，驗(yàn)證檢測(cè)連鑄方坯缺陷分割模型的性能，并確定最優(yōu)的參數(shù)，得到缺陷檢測(cè)模型；

12、步驟五.使用所述缺陷檢測(cè)模型檢測(cè)待檢測(cè)方坯的圖像，得到根據(jù)檢測(cè)區(qū)域生成的缺陷掩膜區(qū)域，對(duì)所述缺陷掩膜區(qū)域進(jìn)行統(tǒng)計(jì)得到缺陷區(qū)與鑄坯面積的統(tǒng)計(jì)占比，根據(jù)所述統(tǒng)計(jì)占比對(duì)所述待檢測(cè)方坯的缺陷等級(jí)進(jìn)行評(píng)價(jià)。

13、作為進(jìn)一步地改進(jìn)，從工業(yè)產(chǎn)線收集所述方坯樣品；按照標(biāo)準(zhǔn)《yb/t4002-2013連鑄鋼方坯低倍組織缺陷評(píng)級(jí)圖》中的處理要求對(duì)所述方坯樣品進(jìn)行侵蝕和清洗。

14、進(jìn)一步地，所述方坯圖像要求將鑄坯拍攝完全，且鑄坯表面清潔，鑄坯表面不能存在光照差異過大的區(qū)域。

15、進(jìn)一步地，所述圖像增強(qiáng)處理包括：

16、加入圖像噪聲，選取高斯噪聲、椒鹽噪聲、泊松噪聲中的至少一種，來改變不同的信噪比生成數(shù)據(jù)，

17、s1(o)＝s(i)+n(θ)

18、其中s1(o)為增強(qiáng)后圖像，s(i)為原始圖像，n(θ)為噪聲，θ為噪聲參數(shù)；

19、圖像模糊化，選取均值濾波、高斯濾波、運(yùn)動(dòng)模糊、對(duì)比度增強(qiáng)濾波中的至少一種，設(shè)定不同參數(shù)得到經(jīng)過濾波器后的圖像，

20、s2(o)＝f(s(i)|φ)

21、其中s2(o)為增強(qiáng)后圖像，f(·)為濾波器，φ為濾波器參數(shù)；

22、改變圖像明暗度，選取不同的亮度比例：20％、50％、80％，將原圖像進(jìn)行亮度值變換，

23、s3(o)＝f(s(i))

24、其中s3(o)為增強(qiáng)后圖像，f(·)為亮度變化函數(shù)；

25、圖像質(zhì)量調(diào)整，將jpeg圖像按照jpeg編碼規(guī)范降低質(zhì)量，獲取75％、90％兩種不同質(zhì)量下的圖像，

26、s4(o)＝m(s(i))

27、其中s4(o)為增強(qiáng)后圖像，m(·)為jpeg編碼質(zhì)量調(diào)整函數(shù)。

28、進(jìn)一步地，使用圖形圖像注釋工具labelme對(duì)每一幅圖像中的缺陷進(jìn)行標(biāo)注。

29、進(jìn)一步地，訓(xùn)練集、驗(yàn)證集與測(cè)試集中圖片數(shù)量比為8:1:1。

30、進(jìn)一步地，按照標(biāo)準(zhǔn)《yb/t?4002-2013連鑄鋼方坯低倍組織缺陷評(píng)級(jí)圖》給出的案例圖進(jìn)行標(biāo)注與劃分，并利用插值法增設(shè)閾值比例，等級(jí)劃分方式如下：

31、檢測(cè)缺陷面積與鑄坯面積比值為0.01％-1.95％的，含有1.95％，對(duì)應(yīng)偏析等級(jí)為0.5級(jí)；

32、檢測(cè)缺陷面積與鑄坯面積比值為1.96％-3.01％的，含有3.01％，對(duì)應(yīng)偏析等級(jí)為1級(jí)；

33、檢測(cè)缺陷面積與鑄坯面積比值為3.02％-5.62％的，含有5.62％，對(duì)應(yīng)偏析等級(jí)為1.5級(jí)；

34、檢測(cè)缺陷面積與鑄坯面積比值為5.63％-7.96％的，含有7.96％，對(duì)應(yīng)偏析等級(jí)為2級(jí)；

35、檢測(cè)缺陷面積與鑄坯面積比值為7.97％-11.58％的，含有11.58％，對(duì)應(yīng)偏析等級(jí)為2.5級(jí)；

36、檢測(cè)缺陷面積與鑄坯面積比值為11.59％-14.15％的，含有14.15％，對(duì)應(yīng)偏析等級(jí)為3級(jí)；

37、檢測(cè)缺陷面積與鑄坯面積比值為14.16％-19.59％的，含有19.59％，對(duì)應(yīng)偏析等級(jí)為3.5級(jí)；

38、檢測(cè)缺陷面積與鑄坯面積比值高于19.60％的，對(duì)應(yīng)偏析等級(jí)為4級(jí)。

39、為了實(shí)現(xiàn)上述目的二，本發(fā)明提供一種基于unet的連鑄方坯缺陷檢測(cè)系統(tǒng)，包括：

40、獲取模塊，用于獲取按照標(biāo)準(zhǔn)進(jìn)行侵蝕和清洗后的方坯樣品的方坯圖像；

41、增強(qiáng)模塊，用于對(duì)所述方坯圖像進(jìn)行圖像增強(qiáng)處理得到增強(qiáng)圖像，對(duì)所述方坯圖像、增強(qiáng)圖像中的缺陷進(jìn)行標(biāo)注，并制作成連鑄方坯表面缺陷數(shù)據(jù)集，對(duì)所述連鑄方坯表面缺陷數(shù)據(jù)集劃分為訓(xùn)練集、驗(yàn)證集與測(cè)試集；

42、unet改進(jìn)模塊，用于對(duì)unet網(wǎng)絡(luò)進(jìn)行改進(jìn)，使用leaky?relu函數(shù)作為conv結(jié)構(gòu)中的激活函數(shù)，將編碼結(jié)構(gòu)中經(jīng)過卷積模塊后的特征圖送入bam注意力模塊中，并將bam注意力模塊輸出的特征圖與經(jīng)過反卷積操作后得到維度相同的特征圖拼接；

43、訓(xùn)練模塊，用于使用所述訓(xùn)練集對(duì)改進(jìn)的unet網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，訓(xùn)練時(shí)將epoch設(shè)定在200-300范圍內(nèi)，之后對(duì)unet網(wǎng)絡(luò)模型進(jìn)行參數(shù)微調(diào)，完成基于改進(jìn)unet的連鑄方坯缺陷分割模型；使用所述驗(yàn)證集對(duì)所述連鑄方坯缺陷分割模型進(jìn)行驗(yàn)證，并進(jìn)行參數(shù)優(yōu)化；使用所述測(cè)試集對(duì)優(yōu)化后的連鑄方坯缺陷分割模型進(jìn)行測(cè)試，對(duì)連鑄方坯缺陷分割模型的準(zhǔn)確率、召回率、精度及miou分割指標(biāo)進(jìn)行計(jì)算，驗(yàn)證檢測(cè)連鑄方坯缺陷分割模型的性能，并確定最優(yōu)的參數(shù)，得到缺陷檢測(cè)模型；

44、檢測(cè)模塊，用于使用所述缺陷檢測(cè)模型檢測(cè)待檢測(cè)方坯的圖像，得到根據(jù)檢測(cè)區(qū)域生成的缺陷掩膜區(qū)域，對(duì)所述缺陷掩膜區(qū)域進(jìn)行統(tǒng)計(jì)得到缺陷區(qū)與鑄坯面積的統(tǒng)計(jì)占比，根據(jù)所述統(tǒng)計(jì)占比對(duì)所述待檢測(cè)方坯的缺陷等級(jí)進(jìn)行評(píng)價(jià)。

45、為了實(shí)現(xiàn)上述目的三，本發(fā)明提供一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器和處理器，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)上述的一種基于unet的連鑄方坯缺陷檢測(cè)方法。

46、為了實(shí)現(xiàn)上述目的四，本發(fā)明提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述的一種基于unet的連鑄方坯缺陷檢測(cè)方法。

47、有益效果

48、本發(fā)明與現(xiàn)有技術(shù)相比，具有的優(yōu)點(diǎn)為：

49、本發(fā)明通過將方坯圖像進(jìn)行圖像增強(qiáng)處理，極大擴(kuò)充了訓(xùn)練樣本；對(duì)unet網(wǎng)絡(luò)進(jìn)行改進(jìn)時(shí)將bam注意力模塊輸出的特征圖與經(jīng)過反卷積操作后得到維度相同的特征圖拼接，提高了網(wǎng)絡(luò)的抗干擾性及準(zhǔn)確性，以此訓(xùn)練unet網(wǎng)絡(luò)模型來對(duì)連鑄坯缺陷檢測(cè)，可以用于不同背景、侵蝕程度與尺寸的連鑄方坯，且可以保證較高的檢測(cè)準(zhǔn)確性、快速性和智能性。