申请/专利权人：齐鲁工业大学(山东省科学院)

申请日：2024-01-11

公开（公告）日：2024-04-05

公开（公告）号：CN117830283A

主分类号：G06T7/00

分类号：G06T7/00;G06V10/80;G06T7/73;G06N3/0464;G06N3/045;G06N3/08;G06T5/90;G06V10/762;G06T3/4038

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.23#实质审查的生效;2024.04.05#公开

摘要：本发明公开了基于冗余特征重用和感受野增强的带钢缺陷检测方法，属于图像处理技术领域，要解决的技术问题为如何实现对带钢缺陷高效、准确的识别。包括：以YOLOv5s模型为基础模型，引入冗余特征重用模块RFR替换基础模型中C3网络结构的残差结构，在基础模型的颈部引入注意力模块SCBAM，并在基础模型的颈部和头部之间添加感受野增强模块RFE，得到带钢缺陷检测模型；基于标注框之间的交并比、通过K‑mean++算法对标注框进行聚类；将聚类后的标注框作为带钢缺陷检测模型的先验框，基于训练集对带钢缺陷检测模型进行模型训练；通过最终带钢缺陷检测模型进行缺陷检测，输出预测框以及对应缺陷类别。

主权项：1.基于冗余特征重用和感受野增强的带钢缺陷检测方法，其特征在于，包括如下步骤：数据采集：采集具有带钢表面缺陷的图像作为原始图像，对原始图像中的缺陷进行标注得到标签信息，基于原始图像以及对应的标签信息构建数据集，并将数据集划分为训练集、验证集和测试集，其中标签信息包括标注框的位置信息、尺度信息以及类别标签；图像处理：对训练集中原始图像进行图像增强处理，得到图像处理后训练集；模型构建：以YOLOv5s模型为基础模型，引入冗余特征重用模块RFR替换基础模型中C3网络结构的残差结构，在基础模型的颈部引入注意力模块SCBAM，并在基础模型的颈部和头部之间添加感受野增强模块RFE，得到带钢缺陷检测模型，所述带钢缺陷检测模型用于对输入图像进行缺陷检测，输出预测框以及缺陷类别；标签聚类：对于训练集中所有标注框，基于标注框的尺度信息、计算标注框之间的交并比，基于标注框之间的交并比、通过K-mean++算法对标注框进行聚类，选取K个标注框作为簇中心；模型训练：将聚类后的标注框作为带钢缺陷检测模型的先验框，基于训练集对带钢缺陷检测模型进行模型训练，并基于测试集和验证集对训练后带钢缺陷检测模型进行模型测试和模型验证，得到最终带钢缺陷检测模型；缺陷检测：将待检测的带钢图像作为输入图像，通过最终带钢缺陷检测模型对输入图像进行缺陷检测，输出预测框以及对应缺陷类别。

全文数据：

权利要求：

百度查询： 齐鲁工业大学(山东省科学院) 基于冗余特征重用和感受野增强的带钢缺陷检测方法

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