一种改进的RefineDet的管道缺陷检测方法技术

本发明专利技术公开了一种改进的RefineDet的管道缺陷检测方法。首先，RefineDet的主干网络修改为Swin

【技术实现步骤摘要】
一种改进的RefineDet的管道缺陷检测方法


[0001]本专利技术属于计算机视觉目标检测领域。尤其涉及一种基于改进的RefineDet的管道缺陷检测方法。

技术介绍

[0002]管道为工业领域常用的液体和气体传输介质，由于工作环境和传输材料的复杂性，其在使用过程中极容易发生腐蚀、堵塞甚至破裂等问题，因此定期对管道进行检测，以确保其使用寿命和安全性是必须的。传统的管道缺陷人工检测方法存在耗费时间多、容易误检漏检等情况，因此，智能的缺陷检测方法是更佳的选择。管道缺陷检测是指对管道表面缺陷的检测，表面缺陷检测一般采用先进的人工智能视觉检测技术，对工件表面的斑点、凹坑、划痕、色差、缺损等缺陷进行检测。
[0003]本专利技术利用基于改进的RefineDet目标检测模型对管道进行缺陷检测，其中RefineDet模型可以看成是SSD、RPN和FPN算法的结合，其主要思想是：Faster
‑
RCNN等two
‑
stage算法，对box进行两次回归，因此精度高，但是速度慢；YOLO等oner/>‑
s本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种改进RefineDet的管道缺陷检测方法，其特征在于，包括以下步骤：步骤1：获取管道缺陷数据集X
s
以及对应的标签Y
S
；将X
s
按7∶3的比例划分为训练集X
train
和测试集X
test
；X
s
包含N
s
个样本，训练集X
train
包含N
train
个样本，测试集X
test
包含N
test
个样本；步骤2：构建改进的RefineDet模型，该改进的RefineDet模型由4个分支组成，分别为主干网络、Neck模块、anchor细化模块和目标检测模块：步骤3：损失函数包括anchor细化模块的损失函数和目标检测模块的损失函数，具体为：步骤3.1：anchor细化模块根据每个anchor是否存在目标分为两类，进行anchors的二分类和回归损失计算；使用的损失函数分别为交叉熵损失函数和平滑L1损失函数；交叉熵损失函数为：其中，y
i
是标签值，y
′
i
是预测值，n为训练集X
train
样本的数量N
train
；平滑L1损失函数的公式为：其中v＝(v
x
，v
y
，v
w
，v
h
)表示真实边框的中心点坐标(v
x
，v
y
)和框的宽度v
w
以及高度v
h
，表示预测框的中心点坐标和框的宽度以及高度x、y、w和h表示框的中心点坐标(x，y)以及框的宽度w和高度h；步骤3.2：目标检测模块的损失函数分别为交叉熵损失函数和平滑L1损失函数；交叉熵损失函数为：其中，y
i
是标签值，y
′
i
是预测值，n为训练集X
train
样本的数量N
train
；平滑L1损失函数的公式为：其中v＝(v
x
，v
y
，v
w
，v
h
)表示真实边框的中心点坐标(v
x
，v
y
)和框的宽度v
w
以及高度v
h
，表示预测框的中心点坐标和框的宽度以及高度x、y、w和h表示框的中心点坐标(x，y)以及框的宽度w和高度h；步骤4：使用warmup和cosine的学习率调整策略，使用Adamw优化器训练改进的RefineDet网络；步骤5：在测试集上测试训练好的改进的RefineDet网络，计算平均准确率。2.根据权利要求1所述的一种改进RefineDet的管道缺陷检测方法，其特征在于，步骤
2.1：构建主干网络；主干网络为Swin Transformer网络，该Swin Transformer网络以层次化的方式构建了4个特征提取阶段，分别记为S1、...

【专利技术属性】
技术研发人员：张婷，马聪，陈迎春，刘兆英，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：