【技术实现步骤摘要】
本专利技术涉及表面缺陷检测和计算机人工智能领域，尤其涉及一种基于nmcdp框架的工业图像缺陷检测方法、设备及介质。
技术介绍
1、在工业生产和机械维护领域，表面缺陷检测是确保产品质量和系统可靠性的关键环节。特别是在齿轮箱等关键机械部件的制造和维护过程中，表面缺陷的早期识别和准确检测对于预防故障、延长设备寿命以及保证安全运行具有至关重要的意义。工业产品表面的微小裂纹、磨损或者其它缺陷，即使是极其微小的缺陷，也可能导致性能下降、运行故障乃至系统的崩溃，进而带来严重的经济损失和安全风险。准确识别并分割缺陷区域并赋予其语义信息具有至关重要的实际意义。这不仅有助于获取关键属性如缺陷面积，而且对于评估齿轮箱的健康状况极为关键。例如对于磨损——齿轮故障的一种常见模式，根据iso14635-1和gbt14229-93的标准，其面积比是评价齿轮功效的重要指标。
2、传统的表面缺陷检测方法，通常依赖于经验丰富的专家手动执行，这种方式效率低下、成本高昂，且难以达到高精度和实时检测的要求。随着深度学习技术的进步，其在表面缺陷检测领域显示出了巨大的潜...
【技术保护点】
1.一种基于NMCDP框架的工业图像缺陷检测方法，其特征在于，方法包括以下步骤：
2.如权利要求1所述的一种基于NMCDP框架的工业图像缺陷检测方法，其特征在于，步骤S1包括：
3.如权利要求1所述的一种基于NMCDP框架的工业图像缺陷检测方法，其特征在于，所述多通道区别池化的分类模型包括：特征提取器、类激活图映射层、增量动态注意力调整模块以及特征增强池化模块。
4.如权利要求3所述的一种基于NMCDP框架的工业图像缺陷检测方法，其特征在于，步骤S3包括：
5.如权利要求1所述的一种基于NMCDP框架的工业图像缺陷检测方...
【技术特征摘要】
1.一种基于nmcdp框架的工业图像缺陷检测方法，其特征在于，方法包括以下步骤：
2.如权利要求1所述的一种基于nmcdp框架的工业图像缺陷检测方法，其特征在于，步骤s1包括：
3.如权利要求1所述的一种基于nmcdp框架的工业图像缺陷检测方法，其特征在于，所述多通道区别池化的分类模型包括：特征提取器、类激活图映射层、增量动态注意力调整模块以及特征增强池化模块。
4.如权利要求3所述的一种基于nmcdp框架的工业图像缺陷检测方法，其特征在于，步骤s3包括：
5.如权利要求1所述的一种基于nmcdp框架的工业图像缺陷检测方法，其特征在于，步骤s4包括：
6.如权利要...
【专利技术属性】
技术研发人员：彭雷，张子蕴，戴光明，王茂才，宋志明，陈晓宇，
申请(专利权)人：中国地质大学武汉，
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。