1.一种基于改进YOLOv3模型的实时钢管缺陷检测方法，其特征在于，所述方法包括以下步骤：(1)搭建稳定的封闭图像采集环境，采集不同角度的图像；

(2)提取图像中钢管位置信息，分离钢管图像；

(3)拼接钢管各角度图像，手动标注所需特征；

(4)利用尺度聚类思想改进YOLOv3网络，用拼接后的图像训练神经网络；

(5)将训练完毕的神经网络做检验，并标注出现缺陷位置。

2.如权利要求1所述的一种基于改进YOLOv3模型的实时钢管缺陷检测方法，其特征在于，所述步骤(1)中，结合实际工业条件，用4台工业相机CDD成像搭建图像采集环境，即在一个封闭的环境中，将工业相机的曝光度与白平衡等参数调整到稳定、合适的值，并保证4台工业相机处于同一个竖直平面内，4台相机要能围成一个矩形，意图能呈现出360°的成像效果；完成以上布置后，分别从4个角度采集一根钢管的具体信息。

3.如权利要求1或2所述的一种基于改进YOLOv3模型的实时钢管缺陷检测方法，其特征在于，所述步骤(2)中，通过图像分割技术与直线拟合相结合的方式提取钢管位置信息，并利用仿射变换调整钢管图像形状，过程如下：

2.1)图像分割、直线检测方法确定钢管位置信息

a.分割图像确定图像分类信息

利用基于大尺度核函数的全卷积神经网络(GNC)实现钢管图像的语义分割，提取图像的类别信息，并将钢管类别图像记为研究区域，将研究区域与背景用二值数据区分，同类图像使用相同数值标记；

b.直线检测确定图像定位信息

利用图像分割技术将原图转化为区分前景、背景的二值图像，利用合适阈值的Canny算子提取前景边缘，利用直线拟合提取最合适的边缘线，其中最小二乘法为量化直线合适度的依据，最终由直线确定研究区域的位置信息，即钢管图像4个顶点的坐标；

2.2)仿射变换调整钢管图像大小

步骤a.b.得到研究区域的4个顶点坐标后，4个点围成的四边形不一定是矩形，这是由于拍照方向与钢管方向不平行所造成的，将研究区域变换为标准矩形：利用仿射变换，将二维图像中点的坐标进行调整，仿射变换将调整研究区域内所有像素点的坐标，最终得到矩阵的研究区域。

4.如权利要求1或2所述的一种基于改进YOLOv3模型的实时钢管缺陷检测方法，其特征在于，所述步骤(3)中，实现图像在输入网络前的预处理工作：图像拼接、图像标注、图像尺寸调整，过程如下：a.图像拼接，利用拼接方式处理图像，将步骤(1)中4个方向的图像按顺序拼接，得拼接图像；

b.调整大小，将拼接图像通过裁切、填补等方式调整为标准的正方形，且长度为32的倍数，便于作为YOLOv3神经网络的输入；

c.图像标注，在拼接后的图像上标注出钢管缺陷，并记录缺陷的长宽信息，便于进行尺度聚类。

5.如权利要求1或2所述的一种基于改进YOLOv3模型的实时钢管缺陷检测方法，其特征在于，所述步骤(4)中，首先利用聚类思想改进YOLOv3网络的输入模块，然后用标注图像训练钢管缺陷检测模型，过程如下：a.尺度聚类，对YOLOv3网络做出一定改进：训练网络前，由k-means聚类分析，将缺陷样本按长度、宽度两个维度聚得若干类，并挑选同一类内的样本作为该类的代表尺度，所有类的代表尺度是确定YOLOv3神经网络输入尺度的依据；

b.初始化训练参数设置，步骤(3)中通过拼接方式、调整大小等方式得到尺寸为32的倍数的RGB三通道图像，该类图像将作为YOLOv3神经网络的输入，同时，利用k-means尺度聚类方式，为YOLOv3神经网络挑选适合工业环境的3个有代表性的尺度；同时，YOLOv3神经网络需要设置初始学习率η，初始迭代次数，批处理数据量batch_size超参数；最后，网络参数迭代时使用随机梯度下降法，因此还要设置动量参数momentum与权重衰减率参数r超参数；

c.确定YOLOv3网络结构，通过借鉴可视化工具Netron分析网络层：YOLOv3的主体网络层包含252层，表1为YOLOv3主体网络结构；

Type Number

Add 23

BatchNormalization 72

Cincatenate 2

Conv2D 75

InputLayer 1

LeakyReLU 72

UpSamping2D 2

ZeroPadding2D 5

Total 252

表1

另外，由于网络不包含池化层与全连接层，YOLOv3网络通过改变卷积核步长实现张量尺寸变化，故网络对输入的对象的尺寸具有一定要求：尺寸大小必须为32的倍数；

d.图像标注，步骤(2)成功实现研究区域与背景的分离，希望训练完毕的神经网络具备检测缺陷的能力，故用矩形选框标记缺陷图像的位置信息的同时，整理出正负样本集，利用随机的方式抽选80％的数据作为训练集，20％的样本作为测试集；

e.模型训练，步骤b中给出了模型训练所需的参数，训练时借鉴BP神经网络误差反向传播的思想，利用随机梯度下降法更新各层参数，直到迭代次数达到上限，或网络参数的更新速率小于一定值结束网络训练。

6.如权利要求1或2所述的一种基于改进YOLOv3模型的实时钢管缺陷检测方法，其特征在于，所述步骤(5)中，判断输入的图像是否存在缺陷，若存在，则标记出现缺陷的位置信息与检测得的缺陷类别。