基于深度学习特征的铸件缺陷射线图像动态检测方法.PDFVIP

２０１６年 ７月 农 业 机 械 学 报 第 ４７卷 第 ７期 ｄｏｉ：１０．６０４１／ｊ．ｉｓｓｎ．１０００１２９８．２０１６．０７．０５５ 基于深度学习特征的铸件缺陷射线图像动态检测方法 余永维　杜柳青　闫　哲　许贺作 （重庆理工大学机械工程学院，重庆 ４０００５４） 摘要：针对 Ｘ射线检测中铸件微弱缺陷误检率和漏检率高的问题，提出一种基于选择性注意机制和深度学习特征 匹配的缺陷动态跟踪检测方法。基于射线图像序列，采取帧内注意区域检测消除漏检、帧间深度学习特征匹配跟 踪排除误检的策略。在帧内检测阶段，提出通过中央 周边梯度搜索方法模拟生物视觉的中央 周边差运算，根据 梯度阈值直接检测各可疑缺陷区域，无需分割出缺陷本身。在帧间跟踪阶段，借鉴人类大脑视觉感知系统的深度 学习层次结构，建立基于卷积神经的深度学习网络，可疑缺陷区域灰度信号直接作为输入，自动抽取表征可疑缺陷 区域的本质特征信息，组成深度学习特征矢量。定义基于欧氏距离的特征矢量相似度，通过连续图像中可疑缺陷 区域的相似度匹配实现缺陷跟踪，以消除噪声等伪缺陷。实验结果表明，基于深度学习特征匹配方法的铸件缺陷 图像动态检测，误检率和漏检率均低于３％，缺陷检测准确率超过９７％，证明了所提方法的有效性。 关键词：铸件；缺陷检测；射线图像；深度学习；注意机制 ＋ 中图分类号：ＴＰ３９１４１；ＴＨ８７８１ 文献标识码：Ａ 文章编号：１０００１２９８（２０１６）０７０４０７０６ ＤｙｎａｍｉｃＤｅｔｅｃｔｉｏｎｏｆＣａｓｔｉｎｇＤｅｆｅｃｔｓＲａｄｉｏｇｒａｐｈｉｃＩｍａｇｅＢａｓｅｄｏｎ ＤｅｅｐＬｅａｒｎｉｎｇＦｅａｔｕｒｅ ＹｕＹｏｎｇｗｅｉ　ＤｕＬｉｕｑｉｎｇ　ＹａｎＺｈｅ　ＸｕＨｅｚｕｏ （ＣｏｌｌｅｇｅｏｆＭｅｃｈａｎｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，ＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｃｈｏｎｇｑｉｎｇ４０００５４，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：ＩｎｏｒｄｅｒｔｏｒｅｄｕｃｅｔｈｅｍｉｓｄｅｔｅｃｔｉｏｎｒａｔｉｏａｎｄｆａｌｓｅｄｅｔｅｃｔｉｏｎｒａｔｉｏｏｆｓｍａｌｌｃａｓｔｉｎｇｄｅｆｅｃｔｓｉｎＸ ｒａｄｉｏｇｒａｐｈｉｃｔｅｓｔｉｎｇ，ａｄｙｎａｍｉｃｄｅｆｅｃｔｓｔｒａｃｋｉｎｇａｎｄｄｅｔｅｃｔｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎｓｅｌｅｃｔｉｖｅａｔｔｅｎｔｉｏｎ ｍｅｃｈａｎｉｓｍａｎｄｄｅｅｐｌｅａｒｎｉｎｇｆｅａｔｕｒｅｍａｔｃｈｉｎｇｗａｓｐｒｏｐｏｓｅｄ．Ｔｈｅｍｉｓｄｅｔｅｃｔｉｏｎｏｆｉｍａｇｅｓｅｑｕｅｎｃｅｓｗａｓ ｅｌｉｍｉｎａｔｅｄｗｉｔｈａｔｔｅｎｔｉｏｎｒｅｇｉｏｎｄｅｔｅｃｔｉｏｎｏｆｉｎｄｉｖｉｄｕａｌｉｍａｇｅｓａｎｄｔｈｅｆａｌｓｅｄｅｔｅｃｔｉｏｎｗａｓａｌｓｏｅｌｉｍｉｎａｔｅｄ ｗｉｔｈｆｅａｔｕｒｅｍａｔｃｈｉｎｇａｍｏｎｇｔｈｅｉｍａｇｅｓｅｑｕｅｎｃｅ．Ｉｎｔｈｅｐｈａｓｅｏｆｉｎｄｉｖｉｄｕａｌｉｍａｇｅｓｄｅｔｅｃｔｉｏｎ，ａｓｅａｒｃｈ ｍｅｔｈｏｄｂａｓｅｄｏｎｃｅｎｔｒａｌ ｐｅｒｉｐｈｅｒａｌｇｒａｄｉｅｎｔｗａｓｐｒｏｐｏｓｅｄｔｏｓｉｍｕｌａｔｅｔｈｅｃｅｎｔｒａｌ ｐｅｒｉｐｈｅｒａｌｄｉｆｆｅｒｅｎｃｅ ｏｐｅｒａｔｉｏｎｏｆｂｉｏｌｏｇｉｃａｌｖｉｓｉｏｎ．Ａｎｄｔｈｅｇｒａｄｉｅｎｔｔｈｒｅｓｈｏｌｄｗａｓｄｅｆｉｎｅｄ．Ｔｈｅｎｂｙｃｏｍｐａｒｉｎｇｅａｃｈｒｅｇｉｏｎａｌ ｇｒａｄｉｅｎｔｗｉｔｈｔｈｒｅｓｈｏｌｄ，ｔｈｅｓｕｓｐｉｃｉｏｕｓｄｅｆｅｃｔａｒｅａｗａｓｄｉｒｅｃｔｌｙｄｅｔｅｃｔｅｄａｃｃｏｒｄｉｎｇｔｏｔｈｅｇｒａｄｉｅｎｔ ｔｈｒｅｓｈｏｌｄ．Ｔｈｅｄｅｆｅｃｔｓｄｉｄｎｏｔｎｅｅｄｔｏｂｅｓｅｇｍｅｎｔｅｄｆｒｏｍｔｈｅｓｕｓｐｉｃｉｏｕｓｉｍａｇｅａｒｅａ．Ｓｏｔｈｅｍｅｔｈｏｄ ａｖｏｉｄｅｄｔｈｅｇｒｅａｔｉｎｆｌｕｅｎｃｅｏｆｔｈｅｄｅ