申请/专利权人：淮阴工学院

申请日：2024-04-09

公开（公告）日：2024-06-21

公开（公告）号：CN118229655A

主分类号：G06T7/00

分类号：G06T7/00;G06V10/52;G06V10/80;G06V10/82;G06V10/764;G06N3/0464;G06N3/048;G06N3/0499;G06N3/084

优先权：

专利状态码：在审-公开

法律状态：2024.06.21#公开

摘要：本发明公开了一种基于YOLOv8多尺度特征融合的钢材表面缺陷检测方法，通过摄像头拍摄钢材表面的缺陷视频流信号，对图像进行预处理，形成数据集；构建基于改进YOLOv8的钢材表面缺陷检测模型，在Backbone模块引入轻量级下采样模块进行特征提取和残差学习，引入D‑LKAAttention模块进行上下文信息交互，引入C2f‑DySnakeConv模块进一步加强特征提取能力；CDS‑NECK模块将主干网络中P2层的特征图引入其中进一步加强特征的提取能力，减少一个连接层，增加一个CARAFE层；并改变原本的连接方式；同时将原C2f模块替换为C2f‑DySnakeConv模块，实现轻量化的同时保证特征提取的能力；将原YOLOv8中CIoU损失函数替换为MPDIoU损失函数；采用训练后的模型进行检测，实现钢材表面缺陷检测。本发明能够提高钢材表面缺陷检测精度和准确性。

主权项：1.一种基于YOLOv8多尺度特征融合的钢材表面缺陷检测方法，其特征在于，包括以下步骤：1通过摄像头拍摄钢材表面的缺陷视频流信号，将视频流信号截取成图像，对图像进行预处理，形成数据集；2构建基于改进YOLOv8的钢材表面缺陷检测模型，包括Backbone模块、CDS-NECK模块以及Head模块；所述Backbone模块引入轻量级下采样模块CGBlock_Down进行特征提取和残差学习，引入D-LKAAttention模块进行上下文信息交互，引入C2f-DySnakeConv模块针对细长缺陷的特征进一步加强特征提取能力；所述CDS-NECK模块首先通过将主干网络中P2层的特征图引入其中进一步加强特征的提取能力，引入轻量级上采样算子CARAFE模块提高网络性能，减少一个Concat层，增加一个CARAFE层；并改变原本的连接方式；同时将原C2f模块替换为C2f-DySnakeConv模块，实现轻量化的同时保证了特征提取的能力；将原YOLOv8中CIoU损失函数替换为MPDIoU损失函数；3采用数据集对构建的基于改进YOLOv8的钢材表面缺陷检测模型进行训练；采用训练后的模型进行检测，实现钢材表面缺陷检测。

全文数据：

权利要求：

百度查询： 淮阴工学院 一种基于YOLOv8多尺度特征融合的钢材表面缺陷检测方法

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