一种基于机器视觉技术的输电铁塔零部件智能检测方法技术

本发明专利技术公开了一种基于机器视觉技术的输电铁塔零部件智能检测方法，包括获取输电铁塔零部件表面缺陷部位图像，获取训练好的缺陷分类网络，提取缺陷部位图像的初始特征图，初始特征图顺次经过各个MCS特征提取模块，深层特征图顺次经过末端GAV层，末端FC层和softmax激活层，获得对所述缺陷部位图像分类结果等步骤。本发明专利技术在第一特征提取机构和第二特征提取机构中均设置了卷积核大小不同的三个分支，以提高网络的特征提取效果；为了使第二注意力单元能够在CBAM第一调制后对特征图进一步微调，发明专利技术人设计了第二注意力单元的内部结构，实验表明，本发明专利技术与现有技术相比，具有明显的进步。具有明显的进步。具有明显的进步。

【技术实现步骤摘要】
和f5分别表示卷积核大小为1*1、3*3和5*5的卷积操作，σ1、σ2和σ3均表示非线性激活函数ReLU，[
·
]表示对其中的特征图在通道方向上进行拼接操作，W表示所述第一特征提取机构或所述第二特征提取机构输出的特征图。
[0013]进一步地，所述MCS特征提取模块中设有第一注意力单元和第二注意力单元，所述第一注意力单元接收所述第一特征提取机构输出的特征图作为输入，生成第一调制图，所述第一注意力单元用于对所述第一特征提取机构输出的特征图进行调制；所述第二注意力单元接收所述第二特征提取机构输出的特征图作为输入，生成第二调制图，所述第二注意力单元用于对所述第二特征提取机构输出的特征图进行调制。
[0014]进一步地，所述第一注意力单元为CBAM。
[0015]进一步地，所述第二注意力单元可以用如下数学模型表示：
[0016]Y＝[GMeP(X),GMaP(X),GVaP(X),GMaP(X)
‑
GVaP(X)][0017]Z＝δ
s
(f
s
(Y))
[0018]其中，X表示输入所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器视觉技术的输电铁塔零部件智能检测方法，其特征是：包括以下步骤：S1、获取输电铁塔零部件表面缺陷部位图像，获取训练好的缺陷分类网络，所述缺陷分类网络包括初始卷积层、MCS特征提取模块、末端GAV层，末端FC层和softmax激活层，多个所述MCS特征提取模块首尾顺次连接；S2、将所述缺陷部位图像输入所述缺陷分类网络，利用所述初始卷积层提取获得所述缺陷部位图像的初始特征图；S3、将所述初始特征图顺次经过各个所述MCS特征提取模块，利用所述MCS特征提取模块提取所述缺陷部位图像的深层特征，最后得到深层特征图；S4、所述深层特征图顺次经过所述末端GAV层，所述末端FC层和所述softmax激活层，获得对所述缺陷部位图像的分类结果，从而实现对输电铁塔零部件智能检测；其中，所述MCS特征提取模块包括顺次连接的第一特征提取机构、第二特征提取机构、降维机构、第三特征提取机构和局部最大池化层，所述降维机构用于降低所述第二特征提取机构输出特征图的通道数量，所述降维机构输出特征图的通道数量等于输入所述MCS特征提取模块特征图通道数量的两倍。2.根据权利要求1所述的基于机器视觉技术的输电铁塔零部件智能检测方法，其特征是：所述第一特征提取机构和所述第二特征提取机构内部结构相同，所述第一特征提取机构和所述第二特征提取机构均可以用如下数学公式表示：W＝[σ1(f1(M)),σ2(f3(M)),σ3(f5(M))]其中，M表示输入所述第一特征提取机构或所述第二特征提取机构的特征图，f1、f3和f5分别表示卷积核大小为1*1、3*3和5*5的卷积操作，σ1、σ2和σ3均表示非线性激活函数ReLU，[
·
]表示对其中的特征图在通道方向上进行拼接操作，W表示所述第一特征提取机构或所述第二特征提取机构输出的特征图。3.根据权利要求1所述的基于...

【专利技术属性】
技术研发人员：权利要求书二页说明书四页附图二页，
申请(专利权)人：重庆顺泰铁塔制造有限公司，
类型：发明
国别省市：