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：四川怡田科技有限公司

摘要：本发明公开了一种铝材表面细小划痕的缺陷检测方法、系统及存储介质，利用主干网络提取图像的多尺度的层次性特征信息，并输出多层级的特征图；针对特征图，基于损失成本进行稀疏采样，生成稀疏采样图。将稀疏采样图与高层级的特征图相乘，再与高层级的特征图的语义信息调制的低层级的特征图进行融合，对特征块进行分割并输入到编码器中添加定位信息；使用解码器解码特征信息，并输出预测定位边界框和目标类别。基于训练后的网络模型检测铝材表面的缺陷。本发明聚焦前景特征，使模型学习注意力更加集中在细小目标所在的像素点上，逐步引入细粒度特征，增强模型的目标表达能力，从而提高了模型对细小划痕缺陷的检测精度。

主权项：1.一种铝材表面细小划痕的缺陷检测方法，其特征在于，包括以下步骤：步骤S1：采集铝材表面的图像数据，并标注出划痕位置标签和类别标签，得到训练集；步骤S2：构建网络模型，并采用训练集训练网络模型；所述网络模型包括从前至后依次设置的主干网络、前景分布感知模块、编码器以及解码器；所述前景分布感知模块包括若干个稀疏表征提取模块以及语义信息调制融合模块，所述语义信息调制融合模块对应若干个稀疏表征提取模块设置有若干个调制分支，且若干个调制分支的输出端分别与特征拼接层连接；所述稀疏表征提取模块用于通过候选正样本点与真实框之间的损失成本进行稀疏采样，对特征图进行定位前景特征点，生成稀疏采样图；所述调制分支用于将输入的稀疏采样图与主干网络输出的特征图进行融合并提取出前景特征点，且与高层级的特征图的语义信息调制的低层级的特征图融合，以指导模型倾向学习前景特征；步骤S21：利用主干网络提取图像的多尺度的层次性特征信息，并输出多层级的特征图；步骤S22：针对特征图，基于候选正样本点与真实框之间的损失成本进行稀疏采样，自适应地对特征点进行前景背景选择，实现目标相关性筛选，定位前景特征点，生成稀疏采样图；步骤S23：然后，将稀疏采样图与高层级的特征图相乘，再与高层级的特征图的语义信息调制的低层级的特征图进行融合，最后对特征块进行分割；步骤S24：将分割后的特征块输入到编码器中添加定位信息，以增加特征信息的细粒度；步骤S25：使用解码器解码特征信息，并输出预测定位边界框和目标类别；步骤S3：基于训练后的网络模型检测铝材表面的缺陷。

全文数据：

权利要求：

百度查询： 四川怡田科技有限公司 一种铝材表面细小划痕的缺陷检测方法、系统及存储介质