龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
摘要：本发明公开了一种基于零次学习的低光照钢铁表面缺陷检测方法，属于自然图像处理领域，包括：对数据集中原始钢铁表面缺陷图像进行利用物理学启发的低光照度合成框架来合成的低照度图像，并与原始图像成对输入。提出一种以yolo为基本框架，引用了Retinex理论，并将使用反射率表示学习模块作为附加解码器引入其中的DaiNet模型，并加入了一个互换再分解一致性过程使得到的反射率表示稳定精准，又提高了网络的整体可视化性能。本发明在两个公开的数据集东北大学钢铁缺陷数据集NEU‑DET和谢韦尔钢材数据集Severstal‑steel‑defect上进行实验并与yolov5和yolov8进行对比实验，验证了DaiNet训练出的钢铁表面缺陷图像具有更好的可视性，有效的提升了可视化性能。
主权项：1.一种基于零次学习的低光照钢铁表面缺陷检测方法，其特征在于将检测器从光线充足的场景推广到弱光场景，而不需要真实的弱光数据，包含以下步骤：S11:对数据集中的钢铁表面缺陷图像进行预处理；S12:构建基于零次学习的低光照钢铁表面缺陷检测方法的反射率学习模块；S13:构建基于零次学习的低光照钢铁表面缺陷检测方法的互换再分解一致性过程；S14:构建基于零次学习的低光照钢铁表面缺陷检测方法的训练网络；S15:利用训练好的基于零次学习的低光照钢铁表面缺陷检测模型对测试图像集进行训练，最终获得可视化结果，并与yolov5和yolov8模型的可视化结果进行对比实验。
全文数据：
权利要求：
百度查询： 哈尔滨理工大学 一种基于零次学习的低光照钢铁表面缺陷检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号