【技术实现步骤摘要】
本专利技术适用于磁瓦缺陷分割领域，尤其涉及一种磁瓦表面的缺陷分割方法。
技术介绍
1、磁瓦是永磁电机的关键部件之一，广泛用于为电机工作提供磁场。然而，复杂的生产过程不可避免地会产生各种缺陷，例如细长裂纹和微小气孔，从而导致不可预测的后果或灾难。因此，有必要设计一种有效的工具来从磁瓦表面进行缺陷分割。
2、目前，磁瓦生产中缺陷检测由人工实施，但耗时长且检测结果也不可靠。为了解决这个问题，研究人员提出了许多自动检测磁瓦表面缺陷的方法，这些方法可以分为现有算法和基于深度学习的方法。在现有算法中，通过平稳小波变换检测磁瓦上的缺陷。此外，还提出了基于多尺度几何分析的剪切波变换来提取磁瓦中的缺陷。这些算法对磁瓦表面的小缺陷灵敏度较低，导致在复杂背景下出现故障。
3、基于深度学习的网络在计算机视觉上的出色表现，例如图像分类、目标检测和语义分割，因此它也应用于磁瓦上的缺陷检测。例如通过环形融合卷积神经网络来检测磁瓦上的小缺陷，然而，物体检测时必须对数据进行标记和分类，费时费力，且在低对比度图像中表现出较低的分割精度；如基于yol...
【技术保护点】
1.一种磁瓦表面的缺陷分割方法，其特征在于，所述缺陷分割方法包括以下步骤：
2.如权利要求1所述的磁瓦表面的缺陷分割方法，其特征在于，步骤S2中，还包括以下子步骤：
3.如权利要求1所述的磁瓦表面的缺陷分割方法，其特征在于，步骤S3中，还包括以下子步骤：
4.如权利要求2所述的磁瓦表面的缺陷分割方法，其特征在于，定义所述高斯残差注意力卷积网络为GRAC，则所述高斯残差注意力卷积网络满足以下关系式：
5.如权利要求4所述的磁瓦表面的缺陷分割方法，其特征在于，定义所述多视图循环卷积网络为MVCC，则所述多视图循环卷积网络满足以下关系式：
【技术特征摘要】
1.一种磁瓦表面的缺陷分割方法，其特征在于，所述缺陷分割方法包括以下步骤：
2.如权利要求1所述的磁瓦表面的缺陷分割方法，其特征在于，步骤s2中，还包括以下子步骤：
3.如权利要求1所述的磁瓦表面的缺陷分割方法，其特征在于，步骤s3中，还包括以下子步骤：
4...
【专利技术属性】
技术研发人员：廖勇，李翔，彭乘风，廖芳芳，林安平，刘祥贵，欧盛强，
申请(专利权)人：湘南学院，
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。