基于MLP 深度學(xué)習(xí)的紗網(wǎng)缺陷檢測方法

賀子芙，劉春鵬，李亞萍

（河南機(jī)電職業(yè)學(xué)院，河南鄭州 451191）

0 引言

隨著紗網(wǎng)工業(yè)的高速發(fā)展，紗網(wǎng)產(chǎn)品的質(zhì)量越來越高。為了能夠滿足紗網(wǎng)缺陷檢測的準(zhǔn)確度和靈敏度，對于紗網(wǎng)缺陷檢測設(shè)備的精度和功能的要求也越來越高[1-3]。

紗網(wǎng)的檢測方式以紅外光譜技術(shù)和傳統(tǒng)圖像識別技術(shù)為主，由于光的色散，紅外光譜檢測在靈敏度上受到限制[4-5]。傳統(tǒng)圖像識別運(yùn)用了紋理模型法，無法有效降低計(jì)算的復(fù)雜度和提高檢測的準(zhǔn)確度[6-9]。隨著人工智能在各個(gè)行業(yè)的廣泛應(yīng)用，相繼出現(xiàn)多種智能化檢測方式，智能機(jī)器視覺檢測成為未來缺陷檢測方式的發(fā)展趨勢。

在使用機(jī)器視覺檢測過程中，本文提出了一種基于MLP（Multiple Perceptron）深度學(xué)習(xí)的紗網(wǎng)缺陷檢測方法，該檢測系統(tǒng)在檢測缺陷時(shí)將比對與訓(xùn)練學(xué)習(xí)到的紗網(wǎng)特征，并標(biāo)注出被檢測紗網(wǎng)所含有的缺陷，檢測信號輸送到下位機(jī)，以便設(shè)備能夠精確處理有缺陷的紗網(wǎng)。經(jīng)仿真實(shí)驗(yàn)可知，在紗網(wǎng)產(chǎn)品的缺陷檢測等過程中，該方法能夠提高紗網(wǎng)產(chǎn)品檢測靈敏度和準(zhǔn)確度。在實(shí)際應(yīng)用中，該方法具有完善行業(yè)自動化的程度、縮短紗網(wǎng)缺陷檢測時(shí)間、降低人工成本、提高生產(chǎn)效率等優(yōu)勢。

1 紗網(wǎng)缺陷檢測整體設(shè)計(jì)

基于MLP 深度學(xué)習(xí)的紗網(wǎng)缺陷檢測，主要分為圖像采集、圖像算法、人機(jī)交互3 個(gè)部分（圖1）。

圖1 設(shè)計(jì)流程

圖像采集系統(tǒng)一般由鏡頭、光源、相機(jī)組成。在固定光源條件下，數(shù)碼相機(jī)進(jìn)行圖像采集，并將其轉(zhuǎn)換為圖像信號，通過采集卡將信號傳輸?shù)教幚砟K。為了便于深度學(xué)習(xí)的比較，圖像的像素和每個(gè)圖像的亮度必須相同，且應(yīng)使用相同像素及固定相機(jī)與被檢測物的物相距。

本文提出的基于MLP 深度學(xué)習(xí)的紗網(wǎng)缺陷檢測，需要高質(zhì)量圖像和高靈敏度：①在圖像采集時(shí)經(jīng)分析對比，選用分辨率為500 萬像素、傳感器為全幀轉(zhuǎn)移的DH-SV1411FC/FM 大恒數(shù)字CCD 工業(yè)相機(jī)，同時(shí)加入閃光燈用來解決彌散現(xiàn)象的缺點(diǎn)；②對SV-5014H、SV-03514、HF35HA-1B 三種鏡頭進(jìn)行多次拍攝試驗(yàn)后，經(jīng)過清晰度對比，確定選用SV-5014H 的50 mm 的定焦鏡頭；③經(jīng)多次試驗(yàn)，光源采用環(huán)形白色LED 光，光源打光方式選擇為垂直照射環(huán)形光源時(shí)效果最佳。

2 紗網(wǎng)缺陷檢測算法分析

本文的紗網(wǎng)特征學(xué)習(xí)，通過像素值來判定明亮與黑暗，將提取的特征圖中亮色部分置暗，暗色部分置亮，去掉檢測區(qū)域內(nèi)的邊緣部分，通過圖像中的像素值區(qū)分出的明亮與黑暗，可以準(zhǔn)確區(qū)分出紗網(wǎng)明亮紋路與暗色背景。

MLP 分類是人工神經(jīng)網(wǎng)絡(luò)的典型結(jié)構(gòu)，它比其他人工神經(jīng)網(wǎng)絡(luò)具有結(jié)構(gòu)簡單、識別率高和分類速度快的特點(diǎn)。相比于單層的網(wǎng)絡(luò)，由單獨(dú)的輸出單元變?yōu)槎鄠€(gè)輸出單元，在輸入與輸出單元之間增加n（n≥2）個(gè)隱藏層單元，通過多個(gè)簡單的非線性函數(shù)的疊加，使多層網(wǎng)絡(luò)近似非線性函數(shù)。

MLP 用于分類，每個(gè)輸出對應(yīng)不同的類別，當(dāng)類別多時(shí)輸出層以Softmax 函數(shù)作為激勵(lì)函數(shù)。建立MLP 分類器時(shí)，隱藏層數(shù)會影響分類的結(jié)果，因此需要仔細(xì)調(diào)整隱藏層的單元數(shù)。如圖2 所示，隱藏層單元數(shù)過小時(shí)會形成一個(gè)不太復(fù)雜的分離超平面，導(dǎo)致出現(xiàn)欠擬合；隱藏層單元數(shù)過大時(shí)可能會出現(xiàn)過度擬合情況，使分類器失去泛化能力。

圖2 隱藏層單元數(shù)曲線

MLP 分類需要調(diào)整參數(shù)，合適的參數(shù)才能提高分類結(jié)果的準(zhǔn)確性。經(jīng)過多次試驗(yàn)，MLP 學(xué)習(xí)訓(xùn)練參數(shù)的設(shè)定為5 維特征向量、8層神經(jīng)元隱藏層，輸出設(shè)定為兩類，使用主成分分析，特征向量所在的組件數(shù)為3，隨機(jī)數(shù)初始化種子為42，使用的激勵(lì)函數(shù)

使用MLP 多層感知器進(jìn)行分類時(shí)，需要調(diào)整網(wǎng)絡(luò)權(quán)值。利用完整的紗網(wǎng)圖像對MLP 網(wǎng)絡(luò)進(jìn)行訓(xùn)練，形成一個(gè)處理單元，將新的數(shù)據(jù)輸入到輸入層，由訓(xùn)練后的MLP 網(wǎng)絡(luò)形成的處理單元進(jìn)行處理，然后將輸出結(jié)果與預(yù)期結(jié)果進(jìn)行對比。如果不匹配，則繼續(xù)調(diào)整網(wǎng)絡(luò)權(quán)重，網(wǎng)絡(luò)權(quán)重計(jì)算結(jié)果比經(jīng)典反向傳播算法得到的結(jié)果要更加精確完整。圖3 為待學(xué)習(xí)紗網(wǎng)圖和經(jīng)過基于MLP 紗網(wǎng)深度學(xué)習(xí)算法對紗網(wǎng)進(jìn)行特征學(xué)習(xí)后，區(qū)分出的紗網(wǎng)明亮紋路與暗色背景。

圖3 待學(xué)習(xí)紗網(wǎng)圖和MLP 算法紗網(wǎng)特征

3 紗網(wǎng)形狀模板匹配

與其他模板匹配方法相比，灰度值的模板匹配是最為基礎(chǔ)的一類匹配算法。本文基于形狀的模板匹配采用灰度值模板匹配，不僅能夠解決因外界環(huán)境因素導(dǎo)致的匹配精度降低的問題，而且其檢測過程的計(jì)算量也低于相關(guān)性的模板匹配（圖4）。

圖4 形狀模板匹配流程

創(chuàng)建形狀模板需要先定義圖像中的模板區(qū)域點(diǎn)集Pi=（ri，ci）T，每個(gè)像素點(diǎn)所關(guān)聯(lián)方向向量di=（ti，ui）T，其中i=1，…，n。對被檢測圖像上每個(gè)點(diǎn)進(jìn)行模板匹配，需要計(jì)算像素點(diǎn)的方向向量e（r，c）=（v（r，c），wr，c）。在模板匹配過程中，利用仿射變換矩陣M 對模板進(jìn)行仿射變換，之后模板區(qū)域的點(diǎn)集PMi=Mpi，在被檢測的圖像特點(diǎn)處計(jì)算所有與該點(diǎn)對應(yīng)的方向向量與被檢測的圖像中對應(yīng)的點(diǎn)處方向向量的積，和作為交換后的模板在q 處的相似度量S，S=

4 紗網(wǎng)檢測仿真

為驗(yàn)證該紗網(wǎng)缺陷檢測方法的正確性和有效性，在Halcon視覺軟件中篩選實(shí)驗(yàn)所需的深度學(xué)習(xí)算子，設(shè)計(jì)并完成紗網(wǎng)缺陷檢測的算法設(shè)計(jì)，利用紗網(wǎng)檢測程序進(jìn)行缺陷檢測。

該方法在訓(xùn)練檢測時(shí)，能夠去除其他不需要區(qū)域的影響，逐漸取得最終理想的檢測圖。檢測仿真過程運(yùn)用離線檢測，即對生產(chǎn)線生產(chǎn)過程中指定間隔時(shí)間拍攝待檢測紗網(wǎng)圖片進(jìn)行每一段紗網(wǎng)表面的缺陷檢測。圖5 為紗網(wǎng)待檢測圖，圖6 為MLP 算法對紗網(wǎng)缺陷檢測圖。

圖5 紗網(wǎng)待檢測圖

圖6 MLP 算法缺陷檢測圖

根據(jù)MLP 算法進(jìn)行的紗網(wǎng)缺陷檢測效果可以看出，紗網(wǎng)含有的缺陷被精確地覆蓋，去除噪聲情況較好，能夠去除其他所不需要區(qū)域的影響，逐漸取得最終理想的檢測圖，基本上沒有區(qū)域的誤判，在準(zhǔn)確性和靈敏性方面有很好的表現(xiàn)。通過仿真檢測數(shù)據(jù)分析可知，檢測正確率在98%以上，能夠滿足生產(chǎn)效率的要求；每個(gè)算子的平均處理時(shí)間為375 ms，小于紅外光譜檢測技術(shù)和傳統(tǒng)圖像識別檢測技術(shù)所消耗的時(shí)間。如果不考慮其他外界因素影響，其每小時(shí)能夠檢測近萬張紗網(wǎng)圖片。

5 結(jié)束語

本文提出的基于MLP 深度學(xué)習(xí)的紗網(wǎng)缺陷檢測方法，運(yùn)用了機(jī)器視覺的深度學(xué)習(xí)，在準(zhǔn)確性上有較大優(yōu)勢。經(jīng)仿真實(shí)驗(yàn)驗(yàn)證，該檢測方法可應(yīng)用于實(shí)際的紗網(wǎng)檢測系統(tǒng)，具有一定的工程價(jià)值。但該方法在實(shí)驗(yàn)仿真時(shí)，主要針對于紗網(wǎng)中的破損和斷網(wǎng)問題，未涉及紗網(wǎng)中網(wǎng)格尺寸是否合格，因此該缺陷檢測方法還有提升空間。