基于SSD模型的鋼帶表面缺陷檢測系統(tǒng)設計

王艷玲 蘇盈盈 羅 妤 唐 霞

(重慶科技學院 電氣工程學院， 重慶 401331)

檢測鋼帶表面缺陷的方法，有人工檢測、渦流檢測和漏磁檢測。人工檢測和漏磁檢測，檢測速度都比較慢；渦流檢測，檢測的深度有限。近年來出現(xiàn)了基于支持向量機(SVM)、AdaBoost分類器和主成分分析的檢測方法，但這些方法主要針對的是鋼帶缺陷的分類，不能實現(xiàn)對鋼帶缺陷的定位。采用基于深度學習的目標檢測算法，可以同時實現(xiàn)對鋼帶缺陷的定位與分類。Faster R-CNN[1]、YOLOV3[2]和SSD[3]都是常用的深度學習目標檢測網(wǎng)絡。相比YOLO系列，SSD的檢測精度更高；相比R-CNN，SSD的檢測速度更快。因此，我們嘗試運用SSD對鋼帶表面缺陷進行了檢測實驗。

作品《家·國》以江南民居為元素組合成一個鼎的形狀。鼎象征國家而江南民居則指代百姓。作品講述一個關于中國夢的故事。這是筆者《水墨徽語》系列的新作。在整體構成上，使用騰空式代替之前的落地式，取得一股向上的力量。另一方面也能使整體造型更加契合鼎的形狀，徽派建筑的元素依然是主體。畫面上的點、線、面、黑、白、灰依然是形式語言的重點，這也是徽派建筑元素的精華。

1 檢測系統(tǒng)的設計

檢測系統(tǒng)的軟件部分設計步驟如下：

(1) 收集鋼帶缺陷圖像并進行標注，然后通過平移、旋轉和縮放等方式對圖像進行擴充。

(2) 對鋼帶缺陷圖像進行小波濾波，增強缺陷特征。

現(xiàn)以一張大小為200×200像素的鋼帶圖像為例，介紹在SSD模型中對它的處理流程(見圖4b)。

(3) 學習SSD模型，將處理好的鋼帶圖像傳入SSD模型進行訓練。

根據(jù)司法鑒定規(guī)律，在強調統(tǒng)一司法鑒定程序的基礎上需要根據(jù)不同類型、不同類別制定不同的鑒定程序，形成通用程序和特別程序在鑒定程序上的體系性，保障司法鑒定的程序公正與鑒定質量。這些改革要求需要專業(yè)的委員會來保障，因此，需要成立國家司法鑒定標準委員會。這不僅能夠保障司法鑒定有全國性的統(tǒng)一標準，而且還保障制定標準的統(tǒng)一性和科學性，避免相同鑒定類型、類別標準之間因制定主體不同產(chǎn)生差異，特別是因鑒定標準不科學、不統(tǒng)一影響鑒定作為證據(jù)的統(tǒng)一要求，損害實體公正。

攝像機采集圖像時易受到環(huán)境、光線和噪聲的影響，因此需對采集到的鋼帶圖像進行去噪處理。選用小波變換對缺陷鋼帶圖像進行頻域分解，實現(xiàn)鋼帶圖像的增強和去噪[4-6]。

一是積極開拓國內國際市場。充分利用江城縣“一城連三國”的地域優(yōu)勢，面向東盟，在勐康國家級口岸和曲水龍富口岸建設國際物流（水果）及交易市場；二是建立果品交易流通平臺，積極發(fā)展電子商務，為果品批發(fā)交易提供服務。

手動開啟攝像頭和鎢絲燈后，PC機發(fā)出控制指令，使鋼帶傳輸裝置運行，讓鋼帶通過攝像機覆蓋的對應區(qū)域。攝像機采集到鋼帶圖像，即傳入PC端進行預處理，最后通過SSD模型進行檢測。檢測系統(tǒng)的技術路線如圖1所示。

檢測系統(tǒng)的硬件部分主要涉及圖像采集設備，包括CCD攝像頭和鎢絲燈等。CCD攝像頭是一種電荷耦合器件，體積小、重量輕、靈敏度高、壽命長?？紤]到鋼帶表面的缺陷有大小、深淺和形狀方面的不同，選用清晰度較高的敏通彩色攝像機(MTV1802CB)來采集鋼帶缺陷圖像。檢測時需使用光源，可利用鎢絲燈使鋼帶穩(wěn)定受光。為避免斜視帶來的誤差，將攝像機直接安裝于鋼帶的正上方，而在兩邊按適當?shù)慕嵌雀髟O置一只鎢絲燈，保持光源穩(wěn)定。

圖1 鋼帶檢測的技術路線

2 鋼帶缺陷圖像來源

美國的東北大學(NEU)發(fā)布的表面缺陷數(shù)據(jù)庫收集了熱軋鋼帶的6種典型表面缺陷，分別為軋制氧化皮(Rolled-in_Scale)、斑塊(Patches)、開裂(Crazing)、點蝕表面(Pitted_Surface)、內含物(Inclusion)和劃痕(Scratches)。每種表面缺陷的樣本有300個，共有1 800個灰度圖像，每個樣本圖像的尺寸均為200×200像素。在深度學習模型中，訓練樣本數(shù)量越多，模型檢測效果越好。我們運用該數(shù)據(jù)庫的樣本圖像，通過平移、旋轉和縮放等簡單變換，對每個類別缺陷樣本進行擴充，最后得到2 160張鋼帶缺陷圖像(見圖2)。

永宣年間生產(chǎn)的青花瓷，不管是裝飾紋樣、釉色、青花發(fā)色以及構圖等都是代表著當時制瓷技藝的最高水準。永宣年間景德鎮(zhèn)青花瓷多以植物花卉等裝飾紋樣為主，并且進行突破性的創(chuàng)造即有花無果的設計局限，大量插入果實紋飾來進行繪制。而青花纏枝紋又被稱作“纏枝花”或者“萬藤花”，連綿不斷的枝葉纏繞方式，被賦予“生生不息”的吉祥寓意。這也是這個時期青花裝飾紋樣中最為常見的一種裝飾手法。

圖2 鋼帶缺陷圖像擴充和標注示意

3 圖像數(shù)據(jù)預處理

3.1 灰度變換

式中：g(x，y)表示變換后的圖像；f(x，y)表示原圖像；a和b表示原圖像的灰度范圍；c和d表示希望圖像灰度變換后的灰度范圍。

(1)

攝像機采集的是彩色圖像，需進行灰度變換?；叶茸儞Q就是通過改變原圖像的灰度范圍，增強圖像的對比度，拉開缺陷與鋼帶底色的距離。線性灰度變換的計算公式如式(1)。

3.2 小波變換

(4) 學習目標檢測模型的評估算法，對SSD模型的檢測效果進行評估，保留訓練效果較好的訓練權重。

小波變換是對傅里葉變換的改進，將傅里葉變換中無限長的三角函數(shù)換成有限且會隨著時間衰減的小波基[7]。我們選用二維離散小波變換，對鋼帶缺陷圖像進行去噪。鑒于鋼帶缺陷的輪廓信息主要集中在低頻信息中，先對低頻小波系數(shù)進行閾值增強，對高頻小波系數(shù)進行閾值去噪，然后將不同頻域的信息進行重構。處理效果如圖3所示。

(2) 為了使檢測結果更精確，將卷積模塊1 — 4提取的特征圖，用卷積模塊5 — 9和全連接層6和7，依次進行特征提取。由于全連接層會將二維特征轉成一維向量，不能直接連接卷積模塊，因此在SSD模型中，全連接層6和7分別指的是大小為3×3×1 024和1×1×1 024的卷積層。同時，全連接層7和卷積模塊6 — 9提取到的特征，先用于對先驗框進行調整，得到檢測框；再將其用于分類和回歸網(wǎng)絡，對檢測框中是否真是包含鋼帶缺陷進行判斷，并對檢測框進行綜合調整。

圖3 小波處理后的鋼帶缺陷圖像

4 SSD模型的應用

SSD模型是單階段目標檢測器，即檢測與分類是同時完成的，它以VGG16為主干特征提取網(wǎng)絡。為了提取更深層次特征，在VGG16后增加了4個卷積模塊。為了更精確地定位鋼帶缺陷，利用提取到的特征對先驗框進行調整。先驗框是指將特征圖按一定比例劃分成若干網(wǎng)格，再以各網(wǎng)格的中心為中心形成的錨框(見圖4a)。

課堂上，教師作為課堂活動的組織者和課堂活動方案設計者。師生自由組成協(xié)作小組或團隊，每個協(xié)作小組選擇一個或多個課堂探究問題開展討論，協(xié)作小組成員開展競爭辯論、合作、問題解決、設計和角色扮演等協(xié)作模式，積極參與到具有特定的語言項目中。同時，老師作為課堂活動的參與者，積極參與探究問題討論之中，及時發(fā)現(xiàn)并解決學生課堂活動任務中的問題，為學生答疑解惑。

圖4 SSD模型結構

(1) 經(jīng)過預處理后的鋼帶圖像傳入SSD模型，被模型處理為300×300像素；由卷積模塊1 — 3依次對其進行特征提取。在經(jīng)過卷積模塊4的提取后，將得到的特征圖用先驗框進行輔助定位。調整后，得到5 776個檢測框。

面對面的交談后，他悉數(shù)道出家中種種。聞者嗟嘆不已，道者卻輕描淡寫。他似乎是家中的旁觀者，悲苦的經(jīng)歷被他不帶表情地淡淡傾吐，在他與那些經(jīng)歷間儼然有一道密不透風的高墻。究竟是年少無