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：中国矿业大学
摘要：本发明涉及缺陷检测技术领域，具体涉及改进YOLOv8网络的方法及其在带钢表面缺陷检测的应用，本发明以YOLOv8为基础，首先提出改进坐标注意力机制为三通道坐标注意力机制TCCA，针对DCNv2中偏移蒙版生成方式过于简单，导致变形建模能力不足，提出将TCCA深度嵌入到DCNv2中，本发明还引入全局注意力机制，提高模型提取全局特征的能力。引入BiFPN结构和动态蛇形卷积增强模型多尺度特征融合能力，MDPioU替换YOLOv8原始的损失函数，解决预测边界框纵横比相同导致失去有效性问题的同时，增加收敛速度和定位能力。通过在NEU‑DET数据集进行的大量对比实验和消融实验表明，验证本发明所改进算法的缺陷检测精度更高，速度更快。
主权项：1.一种改进YOLOv8网络的方法，其特征在于，包括以下步骤：S1：将可变形卷积DCNv2替换YOLOv8原始模型中C2f中的标准卷积，使得能够捕捉带钢上复杂细节，轮廓纹理规则和尺度规律；在DCNv2中引入了偏移量，避免超出识别的目标缺陷范围；使用三通道坐标注意力机制TCCA计算蒙版偏移量，增强了网络对不规则缺陷复杂目标学习特征的表达能力；S2：引入全局注意力机制GAM，减少图像局部信息弥散和放大全局交互来提高神经网络特征表示性能，避免带钢表面边缘的缺陷以及跨度大的缺陷发生漏检；S3：引入了双向特征金字塔网络BiFPN增强多尺度特征融合，避免随着特征提取网络层数的堆叠导致特征信息丢失；S4：在BiFPN结构中结合动态蛇形卷积DSC准确捕捉薄且分支弥散的树状及管状结构，自适应地专注于细长和曲折的局部结构,动态适应具有带钢表面的特殊纹理结构，以便于更好地感知小目标的关键特征，提高带钢表面微小缺陷位置检测的准确性；S5：采用边界框回归损失MPDioU代替YOLOv8原始模型中的CIoU，增强对形状，长宽比例差异大的带钢缺陷边界框回归能力，减少了有害梯度，提升拟合速度的同时，提高了模型的泛化能力和精度；得到的基于YOLOv8网络的改进结构。
全文数据：
权利要求：
百度查询： 中国矿业大学 改进YOLOv8网络的方法及其在带钢表面缺陷检测的应用
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