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：上海工程技术大学

摘要：本发明提供了一种基于改进神经网络的铸件缺陷X射线图自动识别法，属于材料铸造和缺陷图像目标检测领域。本技术方案采用卷积生成对抗网络模型，完成数据集的图像特征增强。采用图像标注工具，完成对铸件缺陷数据集的缺陷标注。改进目标检测YOLOv5模型的网络结构，加入注意力机制，改进损失函数进行模型训练。使用训练集对模型进行训练，最终对比多种改进网络模型，以影响神经网络模型质量的准确率、召回率等因素为评价指标，获得YOLOv5‑MNv2‑SE4模型，利用该模型对铸件图像进行检测并识别缺陷种类和位置坐标。本发明能够有效的增强样本图像的缺陷特征，提高对小目标物体识别的准确率。

主权项：1.一种基于改进神经网络的铸件缺陷X射线图自动识别法，其特征在于，基于卷积对抗网络和改进YOLOv5网络模型，包括以下步骤：1输入获取的若干铸件X射线图像；2对所述图像进行图像预处理；3对预处理后的每一幅图像中的缺陷进行标注，并按照9:1的比例随机选取构成训练集和验证集；4构建基于YOLOv5的改进卷积神经网络模型，包括加入通道注意力机制模块SENet，优化损失函数；使用所述训练集对所述基于YOLOv5的改进卷积神经网络模型进行训练；所述的基于YOLOv5的改进卷积神经网络模型，采用的是体积和权重都较小的YOLOv5s作为铸件缺陷检测与识别的模型，并在此模型基础上进行改进；所述的基于YOLOv5的改进卷积神经网络模型训练的方法如下：4.1输入层自适应缩放图片，采用Mosaic数据增强方式，随机调用图片，同时自动计算数据集的最佳锚框值；4.2在Backbone阶段增加Focus结构，构造CSP结构，经过4次切片操作和1次32个卷积核的卷积操作，得到信息完整的下采样特征图；4.3输出层采用CIoU_Loss，即： 式中，ρ2b，bgt为预测框和真实框的中心点的欧式距离；c为同时包含预测框和真实框的最小闭包区域的对角线距离；α为权衡参数；β衡量了长宽比的一致性，其中α、β表述如下： 对应的损失函数为： 代替GIoU作为损失函数，增加相交尺度的衡量；4.4在卷积层采用ShuffleNetv2结构或MobileNetv2结构替代原模型backbone中除Focus结构以外的卷积神经网络层结构，同时选择在backbone尾端部分导入所述通道注意力机制模块SENetSqueeze-and-ExcitationNetworks，构造改进型YOLOv5-SNv2-SE和YOLOv5-MNv2-SE网络模型；5迭代N次后，利用训练好的模型完成所述验证集中X射线图像的缺陷识别，将各种对比模型的识别结果进行对比，若评估模型的各项指标综合更优则进入步骤7，否则进入步骤6；6利用所述训练集，判断模型参数收敛情况，不断改进网络模型的参数，并返回步骤4；7基于训练过程得到改进YOLOv5网络模型的权重文件；8将铸件X射线图像输入到所述改进YOLOv5网络模型的权重文件中，检测并识别铸件的缺陷类型及其位置坐标。

全文数据：

权利要求：

百度查询： 上海工程技术大学 一种基于改进神经网络的铸件缺陷X射线图自动识别法