一种基于改进SimOTA的磁块器件表面缺陷检测方法及装置制造方法及图纸

本发明专利技术涉及一种基于改进SimOTA的磁块器件表面缺陷检测方法及装置，该方法包括：获取目标特征分析模型，目标特征分析模型包括图像分割模块和特征提取模块；获取待检测的磁块器件表面图片；将待检测的磁块器件表面图片分割成若干个图像片段，从图像片段中提取出特征图片；通过改进现有的SimOTA锚框分配策略，计算所有候选框的长宽比和面积占比，从而自适应调整候选框的个数，并对每个锚框的IOU值加权，为特征图片中的磁块器件表面缺陷分配锚框。充分考虑了特征图片中较多的缺陷区域的细节信息。本发明专利技术提供的一种基于改进SimOTA的磁块器件表面缺陷检测方法及装置，通过改进的SimOTA锚框分配策略获取磁块器件表面信息，减少候选锚框个数，提高了检测精度和检测速度。提高了检测精度和检测速度。提高了检测精度和检测速度。

【技术实现步骤摘要】
一种基于改进SimOTA的磁块器件表面缺陷检测方法及装置


[0001]本专利技术涉及磁块器件表面缺陷检测
，尤其涉及一种基于改进SimOTA的磁块器件表面缺陷检测方法及装置。

技术介绍

[0002]磁块器件在工业上应用广泛，器件表面的各种缺陷，可能会导致其无法正常投入使用，例如影响组件安装、降低设备精度以及干扰系统的正常运作等等，从而减少经济效益或者带来安全性问题。因此，为了确保磁块器件的质量，磁块表面的缺陷检测研究具有非常重要的现实意义。
[0003]现有技术中，磁块器件表面缺陷检测的方法有融合多层特征的CNN结合区域建议网络(RPN)模型的方法和改进YOLOv4网络模型的磁块器件表面缺陷检测方法。
[0004]融合多层特征的CNN结合区域建议网络(RPN)模型的方法，在其构建的NEU
‑
DET数据集上取得了较高的缺陷检测率，但实时性不强，且检测速度慢，检测效率低；改进YOLOv4网络模型的磁块器件表面缺陷检测方法在保证推理速度的同时，模型也有较高的精度，但需要人为分析缺陷特征，调整网络生成锚框(anc本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进SimOTA的磁块器件表面缺陷检测方法，其特征在于，包括：获取目标特征分析模型，所述目标特征分析模型包括图像分割模块和特征提取模块；获取待检测的磁块器件表面图片；根据所述图像分割模块将所述待检测的磁块器件表面图片分割成若干个图像片段，基于所述特征提取模块，从所述图像片段中提取出特征图片；通过改进的SimOTA锚框分配策略，为所述特征图片中的磁块器件表面缺陷分配锚框。2.根据权利要求1所述的基于改进SimOTA的磁块器件表面缺陷检测方法，其特征在于，还包括：获取磁块器件表面图片样本集，基于参数确定模型对所述目标特征分析模型的初始参数进行训练，得到目标参数。3.根据权利要求2所述的基于改进SimOTA的磁块器件表面缺陷检测方法，其特征在于，所述根据所述图像分割模块将所述待检测的磁块器件表面图片分割成若干个图像片段，包括：将所述待检测的磁块器件表面图片设置成预设像素大小；将所述预设像素大小的待检测的磁块器件表面图片输入至所述图像分割模块，得到多个像素大小的图像片段。4.根据权利要求3所述的基于改进SimOTA的磁块器件表面缺陷检测方法，其特征在于，所述基于所述特征提取模块，从所述图像片段中提取出特征图片，包括：根据所述目标参数，将所述多个像素大小的图像片段输入至所述特征提取模块，得到若干个大小不同的待检测的磁块器件表面图片的特征图片。5.根据权利要求4所述的基于改进SimOTA的磁块器件表面缺陷检测方法，其特征在于，所述特征提取模块还包括注意力模块和识别模块；所述注意力模块用于突出所述图像片段中缺陷区域的图像特征；所述识别模块用于识别所述图像特征并将所述图像特征提取出来。6.根据权利要求4所述的基于改进SimOTA的磁块器件表面缺陷检测方法，其特征在于，所述通过改进的SimOTA锚框分配策略，为所述特征图片中的磁块器...

【专利技术属性】
技术研发人员：尹勇，黄子浩，李方宇，刘官保，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：