(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210871696.X (22)申请日 2022.07.22 (71)申请人 重庆淏晗科技有限公司 地址 400050 重庆市九龙坡区建工二村 50 号1幢清研理工创业谷 5楼A33 (72)发明人 杨长辉　梁举科　杨岩　 (74)专利代理 机构 重庆博凯知识产权代理有限 公司 50212 专利代理师 黄河 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/11(2017.01) G06V 10/25(2022.01) G06V 10/44(2022.01) G06V 10/764(2022.01)G06V 10/774(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种滚动接触疲劳缺陷的缺陷目标区域图 像定位分割方法 (57)摘要 本发明公开了一种滚动接触疲劳缺陷的缺 陷目标区域图像定位分割方法， 是先通过缺陷目 标框选识别处理来定位框选出缺陷区域局部图 像， 以框定缺陷目标的搜索范围， 然后采用区域 生长的策略， 从缺陷区域局部图像中通过区域生 长确定出缺陷目标区域的边缘轮廓， 进而实现对 于缺陷目标区域图像的准确定位分割； 由此， 以 目标检测算法作为辅助手段并结合图像区域生 长方法来确定出缺陷目标区域的边缘轮廓， 使 得 缺陷目标区域图像的边缘轮廓定位、 分割精度不 再完全依赖于训练样本数据， 从而摆脱了目标检 测算法对缺陷区域整体区域形态的识别精度可 能不足的影 响， 借助图像区域生长方法的技术弥 补作用， 能够有效的保证对缺陷目标区域图像的 定位、 分割精度。 权利要求书2页 说明书16页 附图11页 CN 115239666 A 2022.10.25 CN 115239666 A 1.一种滚动接触疲劳缺陷的缺陷目标区域图像定位分割方法， 其特征在于， 包括如下 步骤： S1： 采集工件 滚动接触区域的待检测图像并进行图像预处 理； S2： 采用预先训练的卷积神经网络模型作为缺陷目标框选识别模型， 从预处理后的待 检测图像中定位框 选出缺陷区域局部图像； S3： 采用区域生长方法从缺陷区域局部图像中进行缺陷目标区域的区域生长， 确定出 缺陷目标区域的边 缘轮廓； S4、 根据所述 缺陷目标区域的边 缘轮廓分割出缺陷目标区域图像。 2.根据权利要求1所述滚动接触疲劳缺陷的缺陷目标区域图像定位分割方法， 其特征 在于， 所述步骤S1 中， 对待检测图像的图像预 处理包括图像滤波处理、 图像二值化处理和滚 动接触区域图像截取处 理。 3.根据权利要求1所述滚动接触疲劳缺陷的缺陷目标区域图像定位分割方法， 其特征 在于， 所述步骤S2中， 所述缺陷目标框选识别模 型采用Faster  R‑CNN卷积神经网络模型， 其 包括RPN网络和Fast  R‑CNN网络； 所述RPN网络作为输入图像的感兴趣特征区域提取网络， 由RPN网络提取的感兴趣特征 区域输出 给Fast R‑CNN网络进行缺陷区域识别； 所述Fast  R‑CNN网络包括ROI感兴趣区域池化层、 特征提取网络和SVM分类器； 其中， ROI感兴趣区域池化层用于对感兴趣特征区域进行池化处理， 其处理得到的池化特征图通 过全连接层输出传输至特征提取网络的输入层； 特征提取网络用于从池化特征图中提取缺 陷特征向量， 输出至SVM 分类器， 由SVM 分类器进 行缺陷目标的分类识别判断， 并对判定存在 缺陷目标的区域进行框 选定位。 4.根据权利要求3所述滚动接触疲劳缺陷的缺陷目标区域图像定位分割方法， 其特征 在于， 所述Faster  R‑CNN网络模型的Fast  R‑CNN网络中， 采用ResNet50网络作为特征提取 网络。 5.根据权利要求3所述滚动接触疲劳缺陷的缺陷目标区域图像定位分割方法， 其特征 在于， 所述 步骤S2中， Faster  R‑CNN网络模型进行疲劳缺陷识别训练的具体方式为： S201： 采用疲劳缺陷训练样本图像数据集对RPN网络进行初始化， 并训练RPN网络； S202： 将步骤S201训练RPN网络的训练输出结果作为Fast  R‑CNN网络的输入， 对Fast   R‑CNN网络进行训练； S203： 继续训练RPN网络， 将RPN网络和Fast  R‑CNN网络共有的卷积神 经网络参数进行 初步确定； S204： 将步骤S203训练RPN网络的训练输出结果作为Fast  R‑CNN网络的输入， 再次对 Fast R‑CNN网络进行训练， 将RPN网络和Fast  R‑CNN网络共有的卷积神经网络参数进行最 终固定。 6.根据权利要求1所述滚动接触疲劳缺陷的缺陷目标区域图像定位分割方法， 其特征 在于， 所述 步骤S3具体为： S301： 从缺陷区域局部图像中选取属于缺陷目标区域的一个像素点， 作为缺陷目标生 长区域的初始像素点； S302： 采用区域生长方法， 根据预设的区域生长原则针对缺陷目标生长区域的初始像权　利　要　求　书 1/2 页 2 CN 115239666 A 2素点进行区域生长， 并根据预设的边界判定条件确定区域生长的边界轮廓， 进而从缺陷区 域局部图像中确定出缺陷目标区域的边 缘轮廓。 7.根据权利要求6所述滚动接触疲劳缺陷的缺陷目标区域图像定位分割方法， 其特征 在于， 所述 步骤S301具体为： S3011： 从缺陷区域局部图像 中进行缺陷目标 区域的初始分割， 得到缺陷目标初始分割 区域； S3012： 计算缺陷目标初始分割区域的质心坐标像素位置， 作为缺陷区域局部图像中初 始的缺陷目标生长区域像素。 8.根据权利要求6所述滚动接触疲劳缺陷的缺陷目标区域图像定位分割方法， 其特征 在于， 所述 步骤S302具体为： S3021： 从缺陷区域局部图像中选取一个 像素点作为待测像素点； S3022： 判断所述待测像素点是否满足预设的区域生长原则； 若满足， 则将所述待测像 素点划归于缺陷目标生长区域， 跳转执 行步骤S3 024； 若不满足， 则执 行步骤S3 023； S3023： 判断所述待测像素点是否满足预设的边界判定条件； 若满足， 则将所述待测像 素点判定为缺陷目标区域的一个边界轮廓像素点； 若不满足， 则判定所述待测像素点为缺 陷目标区域外像素点； 然后， 执 行步骤S3 024； S3024： 对所述待测像素点进行已检测标记； S3025： 重复执行步骤S3021至S3024， 直至缺陷区域局部图像中的所有像素点均已进行 已检测标记， 然后将划归于缺陷目标生长区域的全部像素点确定为缺陷目标区域的像素 点， 并根据检测判定的各边界轮廓像素点确定缺陷目标区域的边 缘轮廓。 9.根据权利要求1所述滚动接触疲劳缺陷的缺陷目标区域图像定位分割方法， 其特征 在于， 所述 步骤S4具体为： S401： 提取缺陷目标 区域的边缘轮廓； 若所述边缘轮廓所围合的图像区域只有一个， 则 执行步骤S402； 若所述 边缘轮廓所围合的图像区域有 多个， 则执 行步骤S40 3； S402： 将所述 边缘轮廓作为 缺陷目标区域的图像分割轮廓， 执 行步骤S404； S403： 比较边缘轮廓所围合的各个图像区域的面积， 将其中面积最大的一个图像区域 的围合轮廓作为 缺陷目标区域的图像分割轮廓， 执 行步骤S404； S404： 沿所述图像分割轮廓从缺陷区域局部图像中分割出缺陷目标区域图像。权　利　要　求　书 2/2 页 3 CN 115239666 A 3