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：河南科技学院

摘要：本发明提供一种用于滤网表面缺陷检测的深度学习方法，包括以下步骤：在YOLOv5网络算法的骨干网最后一层加入注意力机制SE模块，注意力机制SE模块用于在特征提取过程中自适应地调整和校正特征权重；在YOLOv5网络算法的颈部网络引入特征金字塔网络BiFPN模块，并去除YOLOv5网络算法原有的路径聚合网络PANet结构，得到优化后的YOLOv5网络算法；通过滤网表面缺陷数据集训练优化后的YOLOv5网络算法，并得到用于滤网表面缺陷检测的YOLOv5目标检测网络。在YOLOv5网络算法中增加注意力机制SE和金字塔网络BiFPN模块，可以对滤网表面的缺陷进行精准的检测。

主权项：1.一种用于滤网表面缺陷检测的深度学习方法，其特征在于：包括以下步骤：步骤1：在YOLOv5网络算法的骨干网最后一层加入注意力机制SE模块，注意力机制SE模块用于在特征提取过程中自适应地调整和校正特征权重；注意力机制SE模块通过全局平均池化来降低输入图像的维数，其次，通过前馈网络学习全局信息，并获得每个特征图的相应权重；最后，将获得的相应权重与原始特征图相乘，得到最终的特征信息；注意力机制SE模块包括压缩部分和激励部分，压缩部分用于把输入特征图中的空间信息压缩，将H×W×C压缩为1×1×C，即在空间维度使用全局平均池化来得到1×1×C特征图；激励部分用于将学习的注意力信息与输入特征进行结合，并得到具有通道注意力的特征图U；压缩部分的压缩运算输出ZC是通过缩小特征图U的空间维度H×W而生成，即： 其中，Fsq为压缩函数；激励部分的权重向量s为：s＝Fexz,Q＝σgz,Q＝σQ2δQ1,z2Q1∈RCr×C,Q2∈RC×rC3其中，δ表示ReLU非线性激活函数，Fex为激励函数，z为挤压输出并作为激励输入，Q为通道映射关系，r是通道的缩减率；注意力机制SE模块的输出通过权重向量s对特征图U进行权重赋值，得到特征图 其中，Fscaleuc,sc为指标量sc和特征映射uc之间的通道相乘，uc∈RH×W，c为正整数；步骤2：在YOLOv5网络算法的颈部网络引入特征金字塔网络BiFPN模块，并去除YOLOv5网络算法原有的路径聚合网络PANet结构，得到优化后的YOLOv5网络算法；具体为：骨干网络提取输入图像后，必须经过颈部网络处理后输出到检测部分，为了更好的将特征信息进行融合，特征金字塔网络BiFPN模块结合了自顶向下和自底向上两个方向的深、浅特征融合，并重复同一层多次，以实现更高层次的特征融合；第三层的特征金字塔网络BiFPN模块特征融合为： 其中，表示第三层输入特征，为第三层中间特征并由第四层输入特征和第三层输入特征卷积而成，为第三层输出特征并由第三层输入特征和第三层中间特征卷积而成，表示第四层输入特征，为第二层输出特征，Conv为卷积操作，Resize是一种上采样或下采样操作，ωi表示第i个输入特征的可学习权重，其中，ωi中的i为1或2，ωi′中的i为1或2或3，ωi和ωi′均为区分不同特征程度的权重参数，θ＝0.0001；步骤3：通过滤网表面缺陷数据集训练优化后的YOLOv5网络算法，并得到用于滤网表面缺陷检测的YOLOv5目标检测网络；将用于滤网表面缺陷检测的深度学习方法应用在视觉检测自动化设备内，视觉检测自动化设备包括滤网上料模块、滤网内外径检测模块、滤网内表面检测模块、滤网外表面检测模块、滤网称重模块，滤网上料模块用于将滤网通过传送带传输送至滤网取件工位，后由机械爪抓取旋转至滤网内外径检测工位，滤网内外径检测模块用于检测滤网内外径误差是否在合格区间内，滤网内表面检测模块用于检测滤网内表面情况，滤网外表面检测模块用于检测滤网外表面情况，滤网称重模块用于检测滤网重量是否在合格区间内，工控屏用于实时显示视觉检测自动化设备的运行状况、统计各类型次品数量和滤网合格率变化，打印机用于打印检测滤网的各项数据；选用千兆以太网工业线阵相机，光源采用线阵扫描工业视觉光源，滤网的摆放工位设计为旋转工位，配合线阵相机可采集滤网表面完整的图像；其中，升降机构用于控制面阵相机的升降，进给机构用于控制线扫相机的直线运动。

全文数据：

权利要求：

百度查询： 河南科技学院 一种用于滤网表面缺陷检测的深度学习方法