申请/专利权人:电子科技大学长三角研究院(湖州)
申请日:2024-01-18
公开(公告)日:2024-06-21
公开(公告)号:CN118229619A
主分类号:G06T7/00
分类号:G06T7/00;G06V10/764;G06V10/766;G06V10/82;G06V10/77;G06V10/52;G06V10/22;G06N3/0464;G06N3/045;G06N3/047;G06N3/08
优先权:
专利状态码:在审-公开
法律状态:2024.06.21#公开
摘要:本发明属于麦克风缺陷检测技术领域,公开了一种基于改进FasterR‑CNN模型的麦克风缺陷检测方法,包括通过对标注后的麦克风数据集进行数据增广处理以增加缺陷样本的数量和多样性,对目标检测模型进行改进,包括:在特征提取网络中嵌入AFPN渐近特征金字塔网络以提高检测模型提取多尺度特征的能力,并将区域建议网络中的边界框损失函数替换成MPDIOU损失函数以提高检测模型的精度。本方案通过改进模型的方式,在提高了检测麦克风缺陷精度的同时实现了多尺度缺陷目标检测,能够同时检测麦克风中污点、划痕等尺寸差异较大的缺陷,极大地保障了麦克风的质量和生产效率。
主权项:1.一种基于改进FasterR-CNN模型的麦克风缺陷检测方法,其特征在于,包括如下步骤:S1、根据已知的麦克风缺陷类别对已有的麦克风图像进行标注,并进行预处理;S2、基于FasterR-CNN目标检测模型,选取性能较优的卷积神经网络作为模型的特征提取网络;S3、对FasterR-CNN目标检测模型结构进行改进,基于已有的特征提取网络,嵌入AFPN特征融合模块,采用MPDIoU损失函数替换原有的边界框损失函数,获取更快的收敛速度和更准确的回归结果。S4、在手机麦克风数据集上进行模型训练,根据精确率、召回率、平均精度和平均精度均值等指标评估模型是否达标;S5、用训练好的模型在测试集上进行预测,得到缺陷目标的类别、定位及对应的精度。
全文数据:
权利要求:
百度查询: 电子科技大学长三角研究院(湖州) 一种基于改进Faster R-CNN模型的麦克风缺陷检测方法
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。