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。