买专利,只认龙图腾
首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

【发明公布】基于边缘计算的玉珠表面缺陷检测方法_哈尔滨理工大学_202311372313.5 

申请/专利权人:哈尔滨理工大学

申请日:2023-10-23

公开(公告)日:2024-02-27

公开(公告)号:CN117611521A

主分类号:G06T7/00

分类号:G06T7/00;G06V10/764;G06V10/774;G06N3/0464;G06N3/08

优先权:

专利状态码:在审-实质审查的生效

法律状态:2024.03.15#实质审查的生效;2024.02.27#公开

摘要:本发明基于边缘计算的玉珠表面缺陷检测方法属于数字图像处理技术领域;该玉珠表面缺陷检测方法,首先构建了玉珠图像数据集,然后设计了CAGN神经网络,在GhostNet网络模型基础上添加CA注意力机制,将通道注意力分解为垂直方向和水平方向的特征编码过程,然后将玉珠表面缺陷位置数据从具有不同缺陷方向的两个方向图中编码为两个缺陷关注图,与原始模型GhostNet相比,提高了精确度,且更适配玉珠表面缺陷检测的研究,再构建了CAGN‑YOLOv7算法,解决了YOLOv7模型结构复杂、计算负载大、不易部署的问题,实现了边缘端的实时检测。

主权项:1.基于边缘计算的玉珠表面缺陷检测方法,其特征在于,包括以下步骤:步骤a、构建玉珠图像数据集借助真实玉珠,采用自采集方式建立玉珠表面缺陷图像数据集,针对玉珠表面缺陷特征进行缺陷分类,包括黑斑缺陷、裂纹缺陷、磨损缺陷与标准无缺陷;步骤b、设计CAGN神经网络步骤b1、设计CAGN的注意力机制在GhostNet网络模型基础上添加CA注意力机制,将通道注意力分解为垂直方向和水平方向的特征编码过程,然后将玉珠表面缺陷位置数据从具有不同缺陷方向的两个方向图中编码为两个缺陷关注图,这将允许生成的缺陷位置图存储缺陷的位置数据;为了进一步强调兴趣表达,两个缺陷注意力图最终进行结合并应用于输入;步骤b2、选择激活函数选择LeakyReLU作为激活函数;步骤c、设计CAGN-YOLOv7玉珠表面缺陷检测算法步骤c1、构建CAGN-YOLOv7模型将步骤b设计的CAGN神经网络作为特征提取网络替代原始YOLOv7的主干网络,有效减少了模型参数量,使网络更加轻量化,便于边缘端部署;步骤c2、训练CAGN-YOLOv7模型在PyTorch深度学习网络框架下进行模型的训练,训练数据为步骤a建立的玉珠图像数据集,每批次的输入数据量为16,训练轮数为250,训练集和测试集图片的像素大小为640,学习率为0.01,优化器选择Adam;步骤d、检测玉珠表面缺陷采用步骤c设计的CAGN-YOLOv7玉珠表面缺陷检测算法对玉珠表面缺陷进行检测。

全文数据:

权利要求:

百度查询: 哈尔滨理工大学 基于边缘计算的玉珠表面缺陷检测方法

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。