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:2024-04-12
公开(公告)号:CN117876322A
主分类号:G06T7/00
分类号:G06T7/00;G06V10/82;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:2024.04.30#实质审查的生效;2024.04.12#公开
摘要:本发明公开了一种基于感受野增大和特征信息补充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提高带钢缺陷检测的精度。包括:以YOLOv5s模型为基础模型,引入感受野增大模块C3RF替换基础模型中C3模块,引入注意力模块SCBAM替换基础模型中空间金字塔池化模块SPPF,并引入具有额外信息补充的特征金字塔结构EFPN替换基础模型中特征金字塔结构PAFPN,得到带钢缺陷检测模型;基于图像处理后训练集对带钢缺陷检测模型进行模型训练,并对训练后的带钢缺陷检测模型进行模型验证和测试;以待检测带钢图像为输入图像,通过最终带钢缺陷检测模型对输入图像进行缺陷检测,输出预测框以及缺陷类别。
主权项:1.一种基于感受野增大和特征信息补充的带钢缺陷检测方法,其特征在于,包括如下步骤:数据采集:采集具有缺陷的带钢图像作为原始图像,对原始图像中的缺陷进行标注获得标签信息,基于原始图像以及原始图像对应的标签信息构建数据集,并将数据集划分为训练集、测试集和验证集,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,引入感受野增大模块C3RF替换基础模型中C3模块,引入注意力模块SCBAM替换基础模型中空间金字塔池化模块SPPF,并引入具有额外信息补充的特征金字塔结构EFPN替换基础模型中特征金字塔结构PAFPN,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,输出预测框以及对应的缺陷类别;模型训练:基于图像处理后训练集对带钢缺陷检测模型进行模型训练,并基于验证集和测试集对训练后的带钢缺陷检测模型进行模型验证和测试,得到最终带钢缺陷检测模型;缺陷检测:以待检测带钢图像为输入图像,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) 一种基于感受野增大和特征信息补充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。