摘要
本发明公开了一种基于机器学习的金属表面凹陷识别方法及系统,方法包括数据采集、基本预处理、金属表面凹陷图像增强、改进凹陷检测识别和金属表面凹陷识别。本发明涉及凹陷识别技术领域,具体是指一种基于机器学习的金属表面凹陷识别方法及系统,本方案进行金属表面凹陷的检测定位和类型分类,通过检测定位并标记出凹陷的具体类型,提升了金属表面凹陷识别的自动性能和数据可用性;结合滤波和多角度光源融合的图像增强方法,通过融合四种不同角度的金属表面图像,提升了凹陷检测识别的数据质量;采用集成BP子网的改进目标检测模型进行金属表面凹陷识别,使用多尺度特征融合、残差结构集成和损失函数优化进行模型改进。
技术关键词
多尺度特征融合
BP分类器
识别方法
残差模块
检测识别模块
图像增强模块
检测损失
特征提取模型
集成训练
光源
预训练模型
检测金属表面
标记
数据采集模块
多尺度特征提取
图像像素