基于SSD模型的钢带表面缺陷检测系统设计

2021-07-03王艳玲苏盈盈

重庆科技学院学报（自然科学版） 2021年3期

王艳玲苏盈盈罗妤唐霞

(重庆科技学院电气工程学院，重庆 401331)

检测钢带表面缺陷的方法，有人工检测、涡流检测和漏磁检测。人工检测和漏磁检测，检测速度都比较慢；涡流检测，检测的深度有限。近年来出现了基于支持向量机(SVM)、AdaBoost分类器和主成分分析的检测方法，但这些方法主要针对的是钢带缺陷的分类，不能实现对钢带缺陷的定位。采用基于深度学习的目标检测算法，可以同时实现对钢带缺陷的定位与分类。Faster R-CNN[1]、YOLOV3[2]和SSD[3]都是常用的深度学习目标检测网络。相比YOLO系列，SSD的检测精度更高；相比R-CNN，SSD的检测速度更快。因此，我们尝试运用SSD对钢带表面缺陷进行了检测实验。

作品《家·国》以江南民居为元素组合成一个鼎的形状。鼎象征国家而江南民居则指代百姓。作品讲述一个关于中国梦的故事。这是笔者《水墨徽语》系列的新作。在整体构成上，使用腾空式代替之前的落地式，取得一股向上的力量。另一方面也能使整体造型更加契合鼎的形状，徽派建筑的元素依然是主体。画面上的点、线、面、黑、白、灰依然是形式语言的重点，这也是徽派建筑元素的精华。

1 检测系统的设计

检测系统的软件部分设计步骤如下：

(1) 收集钢带缺陷图像并进行标注，然后通过平移、旋转和缩放等方式对图像进行扩充。

(2) 对钢带缺陷图像进行小波滤波，增强缺陷特征。

现以一张大小为200×200像素的钢带图像为例，介绍在SSD模型中对它的处理流程(见图4b)。

(3) 学习SSD模型，将处理好的钢带图像传入SSD模型进行训练。

根据司法鉴定规律，在强调统一司法鉴定程序的基础上需要根据不同类型、不同类别制定不同的鉴定程序，形成通用程序和特别程序在鉴定程序上的体系性，保障司法鉴定的程序公正与鉴定质量。这些改革要求需要专业的委员会来保障，因此，需要成立国家司法鉴定标准委员会。这不仅能够保障司法鉴定有全国性的统一标准，而且还保障制定标准的统一性和科学性，避免相同鉴定类型、类别标准之间因制定主体不同产生差异，特别是因鉴定标准不科学、不统一影响鉴定作为证据的统一要求，损害实体公正。

摄像机采集图像时易受到环境、光线和噪声的影响，因此需对采集到的钢带图像进行去噪处理。选用小波变换对缺陷钢带图像进行频域分解，实现钢带图像的增强和去噪[4-6]。

一是积极开拓国内国际市场。充分利用江城县“一城连三国”的地域优势，面向东盟，在勐康国家级口岸和曲水龙富口岸建设国际物流（水果）及交易市场；二是建立果品交易流通平台，积极发展电子商务，为果品批发交易提供服务。

手动开启摄像头和钨丝灯后，PC机发出控制指令，使钢带传输装置运行，让钢带通过摄像机覆盖的对应区域。摄像机采集到钢带图像，即传入PC端进行预处理，最后通过SSD模型进行检测。检测系统的技术路线如图1所示。

检测系统的硬件部分主要涉及图像采集设备，包括CCD摄像头和钨丝灯等。CCD摄像头是一种电荷耦合器件，体积小、重量轻、灵敏度高、寿命长。考虑到钢带表面的缺陷有大小、深浅和形状方面的不同，选用清晰度较高的敏通彩色摄像机(MTV1802CB)来采集钢带缺陷图像。检测时需使用光源，可利用钨丝灯使钢带稳定受光。为避免斜视带来的误差，将摄像机直接安装于钢带的正上方，而在两边按适当的角度各设置一只钨丝灯，保持光源稳定。

图1 钢带检测的技术路线

2 钢带缺陷图像来源

美国的东北大学(NEU)发布的表面缺陷数据库收集了热轧钢带的6种典型表面缺陷，分别为轧制氧化皮(Rolled-in_Scale)、斑块(Patches)、开裂(Crazing)、点蚀表面(Pitted_Surface)、内含物(Inclusion)和划痕(Scratches)。每种表面缺陷的样本有300个，共有1 800个灰度图像，每个样本图像的尺寸均为200×200像素。在深度学习模型中，训练样本数量越多，模型检测效果越好。我们运用该数据库的样本图像，通过平移、旋转和缩放等简单变换，对每个类别缺陷样本进行扩充，最后得到2 160张钢带缺陷图像(见图2)。

永宣年间生产的青花瓷，不管是装饰纹样、釉色、青花发色以及构图等都是代表着当时制瓷技艺的最高水准。永宣年间景德镇青花瓷多以植物花卉等装饰纹样为主，并且进行突破性的创造即有花无果的设计局限，大量插入果实纹饰来进行绘制。而青花缠枝纹又被称作“缠枝花”或者“万藤花”，连绵不断的枝叶缠绕方式，被赋予“生生不息”的吉祥寓意。这也是这个时期青花装饰纹样中最为常见的一种装饰手法。

图2 钢带缺陷图像扩充和标注示意

3 图像数据预处理

3.1 灰度变换

式中：g(x，y)表示变换后的图像；f(x，y)表示原图像；a和b表示原图像的灰度范围；c和d表示希望图像灰度变换后的灰度范围。

(1)

摄像机采集的是彩色图像，需进行灰度变换。灰度变换就是通过改变原图像的灰度范围，增强图像的对比度，拉开缺陷与钢带底色的距离。线性灰度变换的计算公式如式(1)。

3.2 小波变换

(4) 学习目标检测模型的评估算法，对SSD模型的检测效果进行评估，保留训练效果较好的训练权重。

小波变换是对傅里叶变换的改进，将傅里叶变换中无限长的三角函数换成有限且会随着时间衰减的小波基[7]。我们选用二维离散小波变换，对钢带缺陷图像进行去噪。鉴于钢带缺陷的轮廓信息主要集中在低频信息中，先对低频小波系数进行阈值增强，对高频小波系数进行阈值去噪，然后将不同频域的信息进行重构。处理效果如图3所示。

(2) 为了使检测结果更精确，将卷积模块1 — 4提取的特征图，用卷积模块5 — 9和全连接层6和7，依次进行特征提取。由于全连接层会将二维特征转成一维向量，不能直接连接卷积模块，因此在SSD模型中，全连接层6和7分别指的是大小为3×3×1 024和1×1×1 024的卷积层。同时，全连接层7和卷积模块6 — 9提取到的特征，先用于对先验框进行调整，得到检测框；再将其用于分类和回归网络，对检测框中是否真是包含钢带缺陷进行判断，并对检测框进行综合调整。

图3 小波处理后的钢带缺陷图像

4 SSD模型的应用

SSD模型是单阶段目标检测器，即检测与分类是同时完成的，它以VGG16为主干特征提取网络。为了提取更深层次特征，在VGG16后增加了4个卷积模块。为了更精确地定位钢带缺陷，利用提取到的特征对先验框进行调整。先验框是指将特征图按一定比例划分成若干网格，再以各网格的中心为中心形成的锚框(见图4a)。

课堂上，教师作为课堂活动的组织者和课堂活动方案设计者。师生自由组成协作小组或团队，每个协作小组选择一个或多个课堂探究问题开展讨论，协作小组成员开展竞争辩论、合作、问题解决、设计和角色扮演等协作模式，积极参与到具有特定的语言项目中。同时，老师作为课堂活动的参与者，积极参与探究问题讨论之中，及时发现并解决学生课堂活动任务中的问题，为学生答疑解惑。