System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及缺陷检测,特别是涉及一种基于正弦分布降噪及自适应通道注意力模型的表面缺陷检测方法。
技术介绍
1、缺陷检测为工件或使用场景下的缺陷检测,例如油库储油罐及管管线上,容易出现跑、冒、滴、漏等情况出现,因此需要对类似的缺陷进行实时检测,以保证产品质量或生产环境的安全。
2、现阶段会搭载一系列的物联网传感器技术,对目标进行实时检测,但是,物联网传感器需要高密度部署,这会造成成本居高,性价比差,且传感器的覆盖面有限,无法实现准确监控,同时物联网传感器极容易收到外界环境的干涉,例如下雨、动物排泄、移动设备泼溅液体等,造成误判和错判,长时间下容易导致现场以及处置人员的警惕性降低,不能及时进行处理
技术实现思路
1、针对上述现有技术的不足,本专利申请所要解决的技术问题是如何提供一种能够误判率低、成本低、效率高的基于正弦分布降噪及自适应通道注意力模型的表面缺陷检测方法。
2、为了解决上述技术问题,本专利技术采用了如下的技术方案:
3、一种基于正弦分布降噪及自适应通道注意力模型的表面缺陷检测方法,包括以下步骤:
4、s1:针对现场环境进行图像采集设备布局,并获取图像;
5、s2:获取实时图像,并针对图像运用实时目标检测算法;
6、s3:若检测结果无异常则进入步骤s5,若检测结果有异常则进入步骤s4;
7、s4:调用其他图像采集设备中异常位置的图像进行检测,若无异常则进入步骤s5,若有异常则报警;
< ...【技术保护点】
1.一种基于正弦分布降噪及自适应通道注意力模型的表面缺陷检测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于正弦分布降噪及自适应通道注意力模型的表面缺陷检测方法,其特征在于,步骤S2中实时目标检测算法包括:SSD、yolov1、yolov2、yolov3、yolov4、yolov5算法,其中,在目标检测算法模型中的骨干网络及颈部网络加入正弦分布降噪模块,另外目标检测的颈部网络的特征连接处加入了自适应通道注意力模块。
3.根据权利要求2所述的一种基于正弦分布降噪及自适应通道注意力模型的表面缺陷检测方法,其特征在于,所述正弦分布降噪模块的具体计算公式为:
4.根据权利要求3所述的一种基于正弦分布降噪及自适应通道注意力模型的表面缺陷检测方法,其特征在于,所述自适应通道注意力模块通过学习的方式来自动选取最符合的通道特征用于输出到目标检测的检测头,计算时,经过与两个通道可学习参数进行相乘及相加,以及经过空间注意力模块,并相乘得到最后的输出特征。
5.根据权利要求4所述的一种基于正弦分布降噪及自适应通道注意力模型的表面缺陷检测
...【技术特征摘要】
1.一种基于正弦分布降噪及自适应通道注意力模型的表面缺陷检测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于正弦分布降噪及自适应通道注意力模型的表面缺陷检测方法,其特征在于,步骤s2中实时目标检测算法包括:ssd、yolov1、yolov2、yolov3、yolov4、yolov5算法,其中,在目标检测算法模型中的骨干网络及颈部网络加入正弦分布降噪模块,另外目标检测的颈部网络的特征连接处加入了自适应通道注意力模块。
3.根据权利要求2所述的一种基于正弦分布降噪及自适应通道注意力模...
【专利技术属性】
技术研发人员:黄麟,肖岁寒,刘洋宏,
申请(专利权)人:重庆稹元创新科技有限责任公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。