基于深度学习的黄色工业金刚石检测方法

杨建新， 兰小平， 王 波， 闫 蕾， 赵 振， 冯亚东

(1. 中国兵器工业信息中心， 北京 100089)

(2. 中南钻石有限公司， 河南 南阳 473264)

黄色工业金刚石作为工业金刚石中的一种高产量产品，具有尺寸小、硬度高、形状不规则、质量轻等特点。其优异的物理、机械等性能使它可以广泛应用于刀具、石材加工、钻探等工业领域。由于黄色工业金刚石在形成过程中受到温度、压力等复杂环境因素影响，在净度、形状、大小等方面差异较大，现行黄色工业金刚石的检测主要依靠人工在放大20～100倍的光学显微镜下观察其形貌来完成，这种方法不仅效率低、人工成本高，而且往往受视力、辨别力、疲劳强度等因素的影响，检测质量的一致性难以得到有效保障。

国内外采用机器视觉技术对工业金刚石净度、晶形等的分类及分析取得了一些进展与应用。Dialnspect系统能够实现金刚石颗粒的大小以及形状参数的检测[1]，但是其价格极为昂贵，检测效率不高；熊辉[2]采用基于颜色和形状的模板匹配法实现了对金刚石颗粒的分类及数目统计；史长琼等[3]通过改进Canny算法有效提取金刚石的颗粒图像边缘，自动测量了金刚石的粒径；王庆海[4]在实验室环境下采用HALCON软件结合机器视觉实现了金刚石颗粒粒径、圆度、椭圆度、净度、形状等参数的测量；石广丰等[5]通过机器视觉对金刚石的尺寸、形态与颜色信息重构，生成了可供计算机辅助设计的金刚石三维模型。

深度卷积神经网络技术的迅猛发展为黄色工业金刚石的质量检测提供了新的方向[6-8]。……