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：南京邮电大学;王新宇

摘要：本发明公开了一种基于特征融合和渐进监督策略的工业缺陷检测方法，该方法包括以下步骤：S1、基于SwinU‑Net架构，采用SwinTransformer网络作为编码器，对输入图像进行多尺度特征提取，增强全局和局部信息的捕获能力。S2、设计PR解码器块，每个解码器块内包含两个Focus模块，通过逐层细化特征并在每个解码阶段进行监督，提升缺陷区域和背景区域的区分能力。Focus模块通过融合深层语义特征、浅层语义特征和分割预测，实现对缺陷区域的精准定位，减少误检和漏检现象。S3、结合逐层细化的特征和编码器的多尺度特征，生成最终的分割结果，提高模型在工业缺陷检测任务中的精度和鲁棒性。S4、在MVTecAnomalyDetectionMVTecAD数据集上进行训练和测试，结果表明，本发明的PRU‑Net模型在Dice系数、召回率、精确率、F1分数和交并比IoU等指标上均优于现有技术，适用于各种工业缺陷检测场景。

主权项：1.一种基于特征融合和渐进监督策略的工业缺陷检测方法，其特征在于，包括如下步骤：S1、基于SwinU-Net架构，采用SwinTransformer网络作为编码器，对输入图像进行多尺度特征提取，SwinTransformer网络利用层次化结构，通过滑动窗口的自注意力机制，能够高效捕捉图像中的局部和全局信息；S2、每个解码器块内包含两个Focus模块，通过逐层细化特征并在每个解码阶段进行监督，提升缺陷区域和背景区域的区分能力，Focus模块通过融合深层语义特征、浅层语义特征和分割预测，实现对缺陷区域的精准定位，减少误检和漏检现象；S3、PR解码器块通过逐层上采样和细化特征，利用编码器中提取的多尺度特征信息，使模型能够更加准确地分割图像中的缺陷区域，每个PR解码器块不仅包含标准的卷积操作，还结合了Focus模块，用于强化对缺陷区域的注意力，确保在不同尺度上都能精确定位缺陷区域。通过多层次的特征融合和细化，生成的最终分割结果具有较高的分辨率和精度，有效提升了工业缺陷检测的性能；S4、在MVTecAnomalyDetectionMVTecAD数据集上进行训练和测试，结果表明，本发明的方法在Dice系数、召回率、精确率、F1分数和交并比IoU等指标上均优于现有技术，适用于各种工业缺陷检测场景。

全文数据：

权利要求：

百度查询： 南京邮电大学 王新宇 一种基于特征融合和渐进监督策略的工业缺陷检测方法