【技术实现步骤摘要】
本专利技术属于计算机视觉领域，尤其涉及工业表面缺陷多尺度检测方法、系统、设备和介质。
技术介绍
1、工业表面缺陷数据具有尺度复杂多变的特点，从直径数毫米的微小划痕到横穿整张图片的细长划痕都可能出现。与缺陷区域相比，整个图像区域占比往往较小，平均占比不到5%。在计算机视觉领域中，语义分割应用广泛，能精确预测图像中每个像素的标签，实现视觉场景理解，在自动驾驶、医学影像、图像生成等领域有着广泛的应用。
2、在一项公开号为cn116452813a的现有技术中，提出了基于空间和语义信息的图像处理方法、系统、设备和介质，通过浅层空间信息与深层语义信息的相互学习优化，从而有效的提升分割精度，达到图片处理速度与准确度之间平衡。
3、然而，基于语义分割的检测网络在处理工业表面缺陷图像时，很容易给予过多的关注在占比大的背景区域，忽视了整体占比小但更为关键的缺陷区域，进而影响了缺陷检测精度。
技术实现思路
1、本专利技术实施例的目的在于提供工业表面缺陷多尺度检测方法、系统、设备和介质，旨...
【技术保护点】
1.一种工业表面缺陷多尺度检测方法，其特征在于，所述工业表面缺陷多尺度检测方法包括：
2.根据权利要求1所述的工业表面缺陷多尺度检测方法，其特征在于，所述融合所述第一图像的浅层特征和所述第二图像的深层特征，得到第三图像，具体包括如下步骤：
3.根据权利要求1所述的工业表面缺陷多尺度检测方法，其特征在于，所述利用自适应通道注意力机制处理所述第二图像得到通道注意力，具体包括如下步骤：
4.根据权利要求1所述的工业表面缺陷多尺度检测方法，其特征在于，所述结合所述第三图像的空间细节，得到第四图像，具体为：利用concatenate将所述通道...
【技术特征摘要】
1.一种工业表面缺陷多尺度检测方法，其特征在于，所述工业表面缺陷多尺度检测方法包括：
2.根据权利要求1所述的工业表面缺陷多尺度检测方法，其特征在于，所述融合所述第一图像的浅层特征和所述第二图像的深层特征，得到第三图像，具体包括如下步骤：
3.根据权利要求1所述的工业表面缺陷多尺度检测方法，其特征在于，所述利用自适应通道注意力机制处理所述第二图像得到通道注意力，具体包括如下步骤：
4.根据权利要求1所述的工业表面缺陷多尺度检测方法，其特征在于，所述结合所述第三图像的空间细节，得到第四图像，具体为：利用concatenate将所述通道注意力与所述第三图像的空间细节联合起来，得到所述第四图像。
5.根据权利要求1所述的工业表面缺陷多尺度检测方法，其特征在于，得到所述第四图像后，还需要检测图像损失，具体包括如下步骤：
【专利技术属性】
技术研发人员：黄惠玲，刘晓玲，马梦圆，韩军，吴飞斌，龙晋桓，
申请(专利权)人：泉州装备制造研究所，
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。