【技术实现步骤摘要】
本专利技术属于目标检测，具体涉及一种基于分层加权特征融合网络的玻璃瓶缺陷检测方法。
技术介绍
1、在缺陷检测领域，人工目视法起源最早，并广泛存在于中小企业中，据统计当前仍有80％以上的工业表面缺陷仍然依赖于人工检测。然而随着用工困难等问题凸显，并且人工检测存在许多问题，劳动强度大，稳定性差，生产效率低是最大的问题。由于不同的缺陷种类复杂且同类的缺陷差异较大，玻璃瓶的外观复杂多样，很多检测算法的适应性不强，需要针对缺陷单独开发检测算法，开发的复杂度极高。并且在生产场景中难以将缺陷和背景分离，影响算法的精度。
2、传统的数学方法有直方图均衡化，滤波，二次滤波，灰度二值化等方法来对所获得图像进行预处理。之后利用数学形态学，傅里叶变换，gabor变换，小波变换等方法对图像的缺陷部分完成检测和标记。这种方法精度很高，对样本数量要求不高。解决了传统的人工检测的速度慢，准确率不稳定的问题，但是其问题在于，模型特异性过强，每换一个新材料或者新零件就可能需要重新调整整个模型。鲁棒性也差，在生产环境出现变化时，精度的变化非常大。
3...
【技术保护点】
1.一种基于分层加权特征融合网络的玻璃瓶缺陷检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于分层加权特征融合网络的玻璃瓶缺陷检测方法，其特征在于，所述步骤1中预处理过程如下：
3.根据权利要求1所述的一种基于分层加权特征融合网络的玻璃瓶缺陷检测方法，其特征在于，所述步骤2中改进YOLOv7主干网络中高效层聚合网络S-ELAN模块替换原有的ELAN，具体如下：
4.根据权利要求1所述的一种基于分层加权特征融合网络的玻璃瓶缺陷检测方法，其特征在于，所述步骤2中将CA注意力机制嵌入到YOLOv7的主干网络中，并将实际...
【技术特征摘要】
1.一种基于分层加权特征融合网络的玻璃瓶缺陷检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于分层加权特征融合网络的玻璃瓶缺陷检测方法，其特征在于，所述步骤1中预处理过程如下：
3.根据权利要求1所述的一种基于分层加权特征融合网络的玻璃瓶缺陷检测方法，其特征在于，所述步骤2中改进yolov7主干网络中高效层聚合网络s-elan模块替换原有的elan，具体如下：
4.根据权利要求1所述的一种基于分层加权特征融合网络的玻璃瓶缺陷检测方法，其特征在于，所述步骤2中将ca注意力机制嵌入到yolov7的主干网络中，并将实际瓶口缺陷的位置信息嵌入到注意力通道中，让生成好的特征信息具有缺陷对应的坐标信息，具体如下：
5.根据权利要求1所述的一种基于分层加权特征融合网络的玻璃瓶缺陷检测方法，其特征在于，所述步骤2中将neck部分的特征融合网络替...
【专利技术属性】
技术研发人员：孙琦，陈剑洪，王文豪，陈礼青，王建浩，孙梦嘉，杨春莲，赵世伟，唐宇诚，王艳君，
申请(专利权)人：淮阴工学院，
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。