申请/专利权人：成都理工大学;成理智源科技(成都)有限公司

申请日：2024-03-18

公开（公告）日：2024-04-16

公开（公告）号：CN117893872A

主分类号：G06V10/80

分类号：G06V10/80;G06V10/25;G06V10/764;G06V10/774;G06V10/82

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.03#实质审查的生效;2024.04.16#公开

摘要：本发明公开了一种基于多模型融合检测的平面裂隙光学检测方法，包括构造数据集；选取n个分类识别网络用数据集训练得到n个分类模型；构造图像P的多模型权重向量D，基于形态学分析更新D得到D1；基于运动学更新D1得D2；基于动力学更新D2得到D3；将D3中最大分量对应的分类模型，作为图像P的最优模型。本发明中每个分类模型不仅能输出识别结果，还能根据输入的图像生成对应的权重向量，构成图像的多模型权重向量，实现了对多个弱模型的功能集成，提升了对弱小目标的识别能力，且基于boosting思想的精英策略，本方法在针对裂隙的查全率、查准率、精度上都有提高，同时实现了裂隙性质的初步自动化分析。

主权项：1.一种基于多模型融合检测的平面裂隙光学检测方法，其特征在于：包括以下步骤；（1）采集多种介质表面包含缺陷的高清图像数据，对每张高清图像数据，标记真实锚框及该真实锚框对应的缺陷类别，所述缺陷类别包括裂隙、坑洼和龟裂，将标记后的高清图像数据作为训练样本，构成数据集；（2）获取n个分类模型；用数据集分别训练n个分类识别网络，得到n个分类模型M1到Mn，n＞3，所述分类模型为两类，一类基于YOlOv网络构建，一类基于ViT网络构建；所述分类模型用于输入待识别图像、输出识别结果，并生成权重向量，所述识别结果包括预测锚框及预测锚框对应的缺陷类别，第i个分类模型Mi生成权重向量包括步骤（21）~（26）；（21）向Mi输入一标记有k个真实锚框的训练样本，获取输出，所述输出包含V个预测锚框；（22）预设每个预测锚框的权重表达，第j个预测锚框的权重表达，1≤j≤V；其中，、、、分别为第j个预测锚框对应的真实锚框的左上角横坐标、右下角横坐标、左上角纵坐标、右下角纵坐标的真实值，，为第j个预测锚框对应的真实锚框的真实斜率，、、、分别为第j个预测锚框左上角横坐标、右下角横坐标、左上角纵坐标、右下角纵坐标的预测值，，为第j个预测锚框的预测斜率，Cij为第j个预测锚框的置信度参数，Eij为Aij的使能开关；（23）预设IoU阈值，依次对V个预测锚框的权重表达Ai1~AiV赋值，构成，其中Aij赋值方法为：若第j个预测锚框与真实锚框相交，则将IoU值最大的真实锚框，作为该预测锚框对应的真实锚框，按其坐标填写Aij的前5项，否则Aij的前5项置空；按第j个预测锚框的坐标填写Aij的第6-10项，将第j个预测锚框的CIoU值填写Cij，若IoU值的最大值大于IoU阈值，则Eij=1，否则Eij=0；（3）构造图像P的多模型权重向量D，包括（31）~（32）；（31）获取一待识别的图像P，用预训练的基础模型标记；（32）用M1到Mn分别识别图像P，生成对应的权重向量ω1到ωn，构成多模型权重向量，并将D中基于ViT网络构建的分类模型的权重向量，标记为一类权重；（4）基于形态学分析更新多模型权重向量D，得到第一多模型权重向量D1，包括步骤（41）~（42）；（41）判断图像P内裂隙是否有弱小目标；（42）若有弱小目标，根据下式更新D中所有一类权重的值，得到D1，否则将D作为D1；W*=W+|W-DAvg|，式中，W为一个一类权重，W*为W更新后的一类权重，DAvg为权重向量D的模的平均；（5）基于运动学依次分析R1到Rn，更新D1得到第二多模型权重向量D2，包括（51）~（52）；（51）分析R1，对D1进行更新，包括（51.1）~（51.3）；（51.1）获取R1中所有缺陷类别为裂隙、使能开关为1的裂隙，标记为第一裂隙；（51.2）对一个第一裂隙，得到其裂隙最低点的切线的斜率k1，若，则记录该第一裂隙为有效裂隙、生长方向值为k1，否则将该第一裂隙对应的使能开关置0；（51.3）按（51.2）依次处理完R1的所有第一裂隙，完成R1对D1的更新；（52）按（51）方法依次分析R2到Rn，得到D2；（6）基于动力学依次分析R1到Rn，更新D2得到第三多模型权重向量D3，包括（61）~（62）；（61）统计R1中所有有效裂隙的预测锚框，若有预测锚框为正方形，将有效裂隙记录为剪切破坏，并根据下式更新ω1的参数值，否则将D2作为D3；W1*=W1+|S-σ|，式中，W1为D2中ω1的值，W1*为W1更新后的值，S为此时D2的样本标准差，σ为此时D2的总体标准差；（62）按步骤（61）依次分析R2到Rn，得到D3；（7）选取D3中最大分量对应的分类模型，作为图像P的最优模型，将最优模型的识别结果作为P的最终识别结果。

全文数据：

权利要求：

百度查询： 成都理工大学;成理智源科技(成都)有限公司 基于多模型融合检测的平面裂隙光学检测方法

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