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：安徽农业大学
摘要：本发明属于机器视觉和图像处理领域，提供了轻量化Efficient‑YOLOV8的钢表面裂纹智能识别方法，包括以下步骤：利用金属扫描电镜设备采集带钢表面疲劳裂纹图像；采用二维经验模态分解方法对裂纹原始图像进行预处理；将S2‑MLPv2注意力机制集成到原始YOLOV8模型的C2f模块的残差模块中，同时用S‑CSPC取代YOLOV8模型中连接颈部和骨干的SPPF，得到Efficient‑YOLOV8；进而利用E‑YOLOV8模型对预处理后的图像进行训练，得到带钢表面裂纹图像识别混淆矩阵图。本发明可有效减轻背景噪声对裂纹识别的影响，E‑YOLOV8模型的空间感知能力得到了提升，能够有效识别不同种类的裂纹，改善了由于裂纹的微小性和复杂性对于识别的影响，具有计算复杂度低、识别效果高的优点。
主权项：1.轻量化Efficient-YOLOV8的钢表面裂纹智能识别方法，其特征在于：该钢表面裂纹智能识别方法包括以下步骤：步骤1：利用金属扫描电镜设备采集带钢表面疲劳裂纹原始图像；步骤2：使用二维经验模态分解方法对采集的带钢表面疲劳裂纹原始图像进行预处理，得到预处理后的带钢表面疲劳裂纹图像；步骤3：将预处理后的带钢表面疲劳裂纹图像使用矩形标注工具进行标注，标注完成后，生成一个同名的可扩展标记语言文件，包含边界框的坐标和类别信息，保存标注信息；步骤4：将多层空间位移感知的视觉骨干网络S2-MLPv2注意力机制集成到youonlylookonce-YOLOV8的特征融合模块中，用完全卷积空间金字塔卷积模块取代YOLOV8模型中连接骨干和颈部的空间金字塔池化模块，得到E-YOLOV8模型；步骤5：将预处理后的带钢表面疲劳裂纹图像输入到改进后的E-YOLOV8模型中进行训练，得到带钢表面裂纹图像识别混淆矩阵图、精确度以及平均准确率均值。
全文数据：
权利要求：
百度查询： 安徽农业大学 轻量化Efficient-YOLOV8的钢表面裂纹智能识别方法
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