龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：重庆理工大学
摘要：本发明公开了一种基于Yolov7的Focal模块和可变形卷积网络钢材表面缺陷检测算法，属于目标检测领域，包括以下步骤：S1、数据获取；S2、构建新研发的基于YOLOv7模型的目标检测算法；S3、优化损失函数并对目标检测算法模型进行训练，保存最优模型；S4、使用最优模型进行预测，保存预测结果，获取评价指标，最后进行结果对比；钢材在制造业中是不可或缺的原材料，并且钢材的好坏决定了产品的质量。但在生产过程中，钢材表面会产生许多缺陷，这些缺陷具有种类多、形状复杂且不规则等问题。为了检测出这些缺陷，我们提出了一种适用于钢材表面缺陷检测的DF‑YOLOv7模型。首先，提出模型使用K‑means++算法，通过调整固定锚框尺寸的大小来适应不同数据集里缺陷的大小，提高模型对不同缺陷的特征提取能力。其次，提出模型使用D‑SPPCSPC模块提取缺陷的轮廓特征，提高模型的缺陷检测性能，并进一步减少模型的参数量。最后，提出模型使用带有Focal模块的CIoULoss，使模型更加专注于高质量锚框，解决正负样本不平衡的问题。实验结果表明，在每秒51.7帧的检测速度下，提出模型在NEU‑DET数据集上的mAP为0.771，较原模型提高了3.6％，高于一些SOTA检测器的精度，这表明DF‑YOLOv7模型能够获得不错的缺陷检测性能，满足工业对实时检测的需求。
主权项：1.基于Yolov7的融合Focal模块和可变形卷积网络钢材表面缺陷检测算法，所述方法包括：S1、数据获取；S2、构建新研发的基于YOLOv7模型的目标检测算法；S3、优化损失函数并对目标检测算法模型进行训练，保存最优模型；S4、使用最优模型进行预测，保存预测结果，获取评价指标，最后进行结果对比。
全文数据：
权利要求：
百度查询： 重庆理工大学 基于Focal模块和可变形卷积的钢材表面缺陷检测算法
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