申请/专利权人：中国科学院沈阳计算技术研究所有限公司

申请日：2022-09-20

公开（公告）日：2024-03-29

公开（公告）号：CN117788359A

主分类号：G06T7/00

分类号：G06T7/00;G06V10/40;G06V10/764;G06V10/80;G06N3/045;G06N3/0464

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.16#实质审查的生效;2024.03.29#公开

摘要：本发明提出了一种基于MASKR‑CNN的钢铁表面缺陷检测方法，包括：将EfficientNet结构应用于钢铁表面缺陷检测领域，能够达到更精确、更鲁棒的检测效果。首先，使用EfficientNet作为骨干特征提取网络代替常规的残差网络结构，增强特征网络对钢铁表面缺陷的特征提取能力，降低网络的参数量，提升网络训练效率。其次设计加权双向递归特征金字塔，增强特征金字塔结构提取不同尺度缺陷特征信息的能力。最后设计融入注意力模块的MASK检测头，通过通道注意力和空间注意力模块对特征图进行计算，提取钢铁图片中的重要缺陷信息，摒弃不重要的语义信息，从而提升缺陷分割的质量。

主权项：1.一种基于MASKR-CNN的钢铁表面缺陷检测方法，其特征在于，包括以下步骤：S1、采集多张钢铁表面图像数据并进行数据增强、标签分类、建立带有分类标签的配对数据集；S2、建立改进的MASKR-CNN的钢铁表面缺陷检测网络，包括以下网络模块：特征提取网络模块，采用EfficientNet运算单元对输入图像进行特征提取，获取该图像不同层次的语义信息；加权双向递归特征金字塔模块，对不同层次的特征图进行进一步的特征混合，获得增强特征；RPN网络模块，用于对增强特征生成固定数量的候选框，对候选框进行二分类和坐标回归；ROIAlign网络模块，用于将不同大小的候选框特征图映射为固定尺寸的特征图；目标分类和定位模块，用于对特征图上的候选区域进行softmax多分类和坐标回归；基于注意力机制的Mask掩码预测模块，用于对候选区域全卷积，结合目标分类的定位模块的分类结果，对掩码二分类提取缺陷。S3、采集钢铁表面图像数据，输入建立MASKR-CNN的钢铁表面缺陷检测网络，自动定位缺陷边界预测框、输出预测分类标签和输出当前分类的缺陷像素。

全文数据：

权利要求：

百度查询： 中国科学院沈阳计算技术研究所有限公司 一种基于MASK R-CNN的钢铁表面缺陷检测方法

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。

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