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：南京航空航天大学

摘要：本发明涉及编织复合材料预制体缺陷检测技术领域，尤其涉及一种大型预制体编织成形的表面缺陷检测方法，该方法包括以下步骤：搭建部署在生产流水线上用以视野全覆盖大型预制体表面的多视角图像采集设备；构建融合位置和邻域信息且用于对大型预制体编织成形表面缺陷进行精确检测并定位的缺陷检测模型；利用多视角图像采集设备获取生产流水线上大型预制体的多视角图像构建预制体缺陷数据集；采用预制体缺陷数据集对缺陷检测模型进行训练、测试以及验证，得到训练好的缺陷检测模型。本发明可实现大型预制体编织成形表面图像的缺陷准确检测，解决现有技术中预制体缺陷检测效率慢、检测精度低的问题。

主权项：1.一种大型预制体编织成形的表面缺陷检测方法，其特征在于，该方法包括以下步骤：S1、搭建部署在生产流水线上用以视野全覆盖大型预制体表面的多视角图像采集设备；S2、构建融合位置和邻域信息且用于对大型预制体编织成形表面缺陷进行精确检测并定位的缺陷检测模型，具体包括以下过程：特征提取模块转换的局部级特征进入到核心特征抽取模块，所述核心特征抽取模块使用贪婪下采样方法进行下采样，完成特征嵌入核心子集合、分布特征核心子集的构建，并存储到特征记忆库中；所述特征提取模块转换的局部级特征进入到位置邻域信息感知模块，结合核心特征抽取模块创建的特征记忆库，训练给定邻域和位置信息的特征嵌入集和特征分布，实现特征的位置邻域信息感知；利用合成的缺陷图像单独训练像素级细化模块确定最优参数，在推理阶段根据输入图像来改进预测缺陷的边界框；将位置邻域感知模块生成的特征嵌入集和特征分布输入到检测模块，输出预测缺陷的边界框和类别；将检测模块输出的边界框与原始图像输入像素级细化模块，输出调整过后的边界框实现对缺陷更为精确地定位；所述缺陷检测模型由基于密集连接机制特征网络DenseNet作为骨干网络的特征提取模块，用于将输入的大型预制体图像转换为一个局部级特征，用于创建特征记忆库的核心特征抽取模块、对位置和邻域信息特征分布进行建模的位置邻域信息感知模块、改进预测缺陷边界框的像素级细化模块，以及用于输出预测缺陷的边界框和类别的检测模块组成；S3、利用多视角图像采集设备获取生产流水线上大型预制体的多视角图像构建预制体缺陷数据集；S4、采用预制体缺陷数据集对缺陷检测模型进行训练、测试以及验证，得到训练好的缺陷检测模型；S5、利用训练好的缺陷检测模型实现对生产流水线上预制体表面缺陷的在线连续检测。

全文数据：

权利要求：

百度查询： 南京航空航天大学 一种大型预制体编织成形的表面缺陷检测方法