一种多尺度空间联合模型及其视觉检测方法技术

本发明专利技术公开了一种多尺度空间联合模型及其视觉检测方法，属于机器视觉缺陷检测技术领域，包括FCOS基础网络，FCOS基础网络连接有分类融合金字塔及回归融合金字塔，且分类融合金字塔经类空间回归相似性模块连接至回归融合金字塔。本申请通过FCOS基础网络能够提取图像数据的多尺度类空间回归质量信息、多尺度回归空间特征信息，并通过分类融合金字塔、回归融合金字塔分别对多尺度类空间回归质量信息、多尺度回归空间特征信息进行数据融合处理，以此增强缺陷特征，进而提高缺陷检测的准确性；本申请将类别特征信息输入至回归融合金字塔指导回归空间的信息融合，能够削减模型训练、模型用于缺陷检测阶段中分类和回归结果不一致的情况，保证缺陷检测精准度。保证缺陷检测精准度。保证缺陷检测精准度。

【技术实现步骤摘要】
一种多尺度空间联合模型及其视觉检测方法


[0001]本专利技术涉及机器视觉缺陷检测
，尤其涉及一种多尺度空间联合模型及其视觉检测方法。

技术介绍

[0002]在工业生产过程中，由于制造工艺、使用强度、工作环境等原因，产品缺陷的产生往往是不可避免的，对产品表面进行检查便是确保成品质量的重要环节之一。人工巡检作为传统的检测方案之一，这种方式虽然对相关人员所掌握的技术要求不高，但是需要培训工人识别复杂的表面缺陷，与机器识别相比，人工巡检显得耗时过长、效率低下，而且在检测过程中易受外界环境和主观判断的影响，导致检测精度不稳定，容易产生漏检、误检等问题。
[0003]基于机器视觉的缺陷检测方法在一定程度上解决了上述巡检效率低、评判标准不统一等问题，然而在经典的机器视觉缺陷方法中，缺陷的特征必须人工设计以适应特定的领域。由于这类分类器存在局限，需要使用各种滤波器组、直方图、小波变换、形态学操作和其他技术人工设计相应的特征，因此人工设计特征在经典方法中显得尤为重要。而产品的种类繁多，产品升级周期短，面对不同产品需重新设计缺陷特征，进而导致机器视本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多尺度空间联合模型，其特征在于：其包括用于提取输入图像的多尺度类别特征信息、多尺度回归特征信息的FCOS基础网络，FCOS基础网络的多尺度类别特征信息输出端连接有分类融合金字塔，FCOS基础网络的多尺度回归特征信息输出端连接有回归融合金字塔；分类融合金字塔经类空间回归相似性模块连接至回归融合金字塔；类空间回归相似性模块用于提取分类融合金字塔输出特征融合信息C
i
'的类空间回归质量信息D
i
，并将类空间回归质量信息D
i
输入回归融合金字塔；分类融合金字塔基于多尺度类别特征信息C
i
进一步提取特征融合信息C
i
'，基于特征融合信息C
i
'进行缺陷类别判断；回归融合金字塔基于多尺度回归特征信息R
i
、类空间回归质量信息D
i
进一步提取特征融合信息R
i
'，基于特征融合信息R
i
'进行缺陷定位。2.根据权利要求1所述一种多尺度空间联合模型，其特征在于：所述分类融合金字塔包括第三类别特征提取层、第四类别特征提取层、第五类别特征提取层、第六类别特征提取层、第七类别特征提取层，第三类别特征提取层、第四类别特征提取层、第五类别特征提取层自下向上或自上向下进行特征融合，第五类别特征提取层、第六类别特征提取层、第七类别特征提取层自上向下或自下向上进行特征融合。3.根据权利要求1所述一种多尺度空间联合模型，其特征在于：所述回归融合金字塔包括第三回归特征提取层、第四回归特征提取层、第五回归特征提取层、第六回归特征提取层、第七回归特征提取层，第三回归特征提取层、第四回归特征提取层、第五回归特征提取层自下向上或自上向下进行特征融合，第五回归特征提取层、第六回归特征提取层、第七回归特征提取层自上向下或自下向上进行特征融合。4.根据权利要求1所述一种多尺度空间联合模型，其特征在于：所述类空间回归相似性模块包括若干顺次连接的卷积层。5.一种多尺度空间联合模型的视觉检测方法，其特征在于：所述方法基于权利要求1
‑
4任意一项所述多尺度空间联合模型进行实施，包括以下步骤：S1：搭建多尺度空间联合模型；S2：训练多尺度空间联合模型；S21：基于基础网络提取训练样本特征得到多尺度类别特征信息C
i
和多尺度回归特征信息R
i
；S22：将C
i
输入至分类融合金字塔进行特征融合计算得到特征融合信息C
i
'，并基于C
i
对分类融合金字塔进行训练；S23：提取C
i
'的类空间回归质量信息D
i
；S24：基于R
i
、D
i
对回归融合金字塔进行训练；S25：重复步骤S21
‑
S24，直至多尺度空间联...

【专利技术属性】
技术研发人员：高斌，张世奇，
申请(专利权)人：四川沐迪圣科技有限公司，
类型：发明
国别省市：