申请/专利权人：湖南理工学院;湖南拓视觉信息技术有限公司

申请日：2020-08-14

公开（公告）日：2020-11-24

公开（公告）号：CN111986170A

主分类号：G06T7/00(20170101)

分类号：G06T7/00(20170101);G06T7/11(20170101);G06N3/08(20060101);G06N3/04(20060101)

优先权：

专利状态码：在审-实质审查的生效

法律状态：2020.12.25#实质审查的生效;2020.11.24#公开

摘要：本发明公开了一种基于深度神经网络MaskR‑CNN的缺陷检测算法，属于缺陷检测技术领域，算法的具体步骤为：利用基于ResNet50的特征金字塔网络FPN提取特征，利用区域建议网络RPN提取缺陷区域的感兴趣区域ROI从而得到相应的锚框，利用全卷积神经网络FCN对ROI内部的像素类别进行预测以实现缺陷分割，最后通过网络的全连接层实现每个ROI所属类别和相应锚框坐标的预测，针对磁瓦表面缺陷检测场景，该算法对MaskR‑CNN中的特征金字塔网络FPN做了两点改进：在FPN中增加了C1模块，并取消C1模块特征提取层内的池化层；将CLAHE预处理模块加在FPN的特征提取层之前。实验结果表明，本发明的算法具有较强的泛化能力和鲁棒性，可以对磁瓦图像进行精确的缺陷分割。

主权项：1.一种基于深度神经网络MaskR-CNN的缺陷检测算法，其特征在于：包括以下步骤：S1、利用基于ResNet50的特征金字塔网络FPN提取特征；S2、利用区域建议网络RPN提取缺陷区域的感兴趣区域ROI从而得到相应的锚框；S3、利用全卷积神经网络FCN对ROI内部的像素类别进行预测以实现缺陷分割；S4、最后通过网络的全连接层实现每个ROI所属类别和相应锚框坐标的预测。

全文数据：

权利要求：

百度查询： 湖南理工学院;湖南拓视觉信息技术有限公司 一种基于深度神经网络Mask R-CNN的缺陷检测算法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD