龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：中国科学院沈阳计算技术研究所有限公司
申请日：2022-12-27
公开（公告）日：2024-06-28
公开（公告）号：CN118262186A
主分类号：G06V10/774
分类号：G06V10/774;G06V10/764;G06V10/77;G06V10/80;G06V10/82;G06N3/08;G06N3/0464
优先权：
专利状态码：在审-公开
法律状态：2024.06.28#公开
摘要：本发明基于YOLOv5s算法提出了一种面向工业无损探伤的多尺度检测算法。该算法以改进的CSPDarknet53结构作为特征提取网络，通过在骨干网络中引入通道注意力机制ECA‑Net，增强网络的特征提取能力，获取更加丰富发深层次图像语义信息。其次，对YOLOv5s算法中的SPP结构进行改进，设计了基于空洞卷积的金字塔池化结构ASPP，使用空洞卷积替换最大池化操作，使网络充分利用到的更多的像素信息来提取多尺度特征。最后，通过在PAN结构的concat操作中加入通道权重信息，设计了加权通道多尺度特征融合结构SE‑FPN，使网络能够学习通道之间的依赖关系，通过学习不同的通道权重信息，强化有用的通道特征信息，提高网络的特征表达能力，优化网络的缺陷检测性能。
主权项：1.一种基于YOLOv5s的多尺度缺陷检测方法，其特征在于，包括以下步骤：S1、采集大量工件表面缺陷图像数据并进行数据增强、标签分类、建立带有分类标签的配对数据集；S2、建立基于YOLOv5s的多尺度无损表面缺陷检测网络，包括以下网络模块：特征提取骨干网络模块，采用改进的CSPDarknet53卷积网络对原始图像进行特征提取，获取该图像不同维度的深层次语义信息及边缘信息；基于空洞卷积的金字塔池化模块，充分利用更多的图像像素信息获取不同大小感受野，并对特征图进行进一步的特征混合，提升模型的多尺度表达能力；SE-FPN网络模块，用于融合高层次特征和低层特征，综合图像的语义信息和坐标信息，并加入通道权重信息，使网络能够学习通道之间的依赖关系，通过学习不同的通道权重信息，强化有用的通道特征信息，提高网络的特征表达能力；目标分类和定位模块，用于对检测头输出的特征图进行回归计算，通过反向传播调整最终的预测类别概率和定位坐标；S3、采集工业产品表面缺陷图像数据，输入搭建好的改进YOLOv5s的多尺度缺陷检测网络，自动定位缺陷边界预测框、输出预测分类标签和对应预测置信度。
全文数据：
权利要求：
百度查询： 中国科学院沈阳计算技术研究所有限公司 一种基于YOLOv5s的多尺度缺陷检测方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号