【技术实现步骤摘要】
本专利技术属于工业图像缺陷检测领域，具体涉及一种表面缺陷检测模型的构建方法、机械臂抓取分类方法、计算机系统及计算机可读存储介质。
技术介绍
1、随着工业生产的不断演进，钢铁作为一种关键的结构材料，在各类基础设施和工程项目中得到广泛运用。然而，在钢铁制品的制造和加工过程中，往往受到多种因素的影响，导致其表面出现多样化缺陷，这严重损害了钢铁制品的质量和使用寿命。因此，对钢铁表面缺陷的快速、准确检测成为确保产品质量和安全的关键环节。
2、将机械臂抓取和机器视觉相结合,使得机械臂抓取系统具有智能感知和智能决策的能力,可提高机械臂抓取系统在复杂环境下的适应性。机械臂视觉引导系统是一个不需要人工参与，通过计算机视觉检测结合神经网络来进行缺陷检测的机械臂运动控制系统。目前，在工业领域，主流的机械臂通常通过复杂的点到点示教来完成对目标物体的抓取和分类任务。尽管示教方式具有易操作、低成本等优势，但这种方法却可能浪费大量时间。为了解决待抓取物体是否存在缺陷而导致分类困难的问题，使机械臂能够自主检测工业产品是否存在缺陷并进而实现分拣具有极为重要的
<本文档来自技高网...【技术保护点】
1.一种表面缺陷检测模型的构建方法，其特征在于，包括：
2.根据权利要求1所述的表面缺陷检测模型的构建方法，其特征在于，将水平增强特征图与其经过注意力模块处理得到的特征进行融合的方式包括：
3.根据权利要求1所述的表面缺陷检测模型的构建方法，其特征在于，将垂直增强特征图与其经过注意力模块处理得到的特征进行融合的方式包括：
4.根据权利要求1-3任一项所述的表面缺陷检测模型的构建方法，其特征在于，对相同尺度的RGB图像和热力图对应的初始特征图进行特征融合的方式包括：
5.根据权利要求1-3任一项所述的表面缺陷检测模型的构建...
【技术特征摘要】
1.一种表面缺陷检测模型的构建方法，其特征在于，包括：
2.根据权利要求1所述的表面缺陷检测模型的构建方法，其特征在于，将水平增强特征图与其经过注意力模块处理得到的特征进行融合的方式包括：
3.根据权利要求1所述的表面缺陷检测模型的构建方法，其特征在于，将垂直增强特征图与其经过注意力模块处理得到的特征进行融合的方式包括：
4.根据权利要求1-3任一项所述的表面缺陷检测模型的构建方法，其特征在于，对相同尺度的rgb图像和热力图对应的初始特征图进行特征融合的方式包括：
5.根据权利要求1-3任一项所述的表面缺陷检测模型的构建方法，其特征在于，经过表面缺陷检测模型的双分支骨干网络分别得到rgb图像和热力图对应的尺度不同的各层初始特征图的方式包括：
6.根据权利要求1-3任一项所述的表面缺陷检测模型的构建方法，其特征在于，所述至少一个水平的条形卷积层和至少一个垂直的条形卷积层中的卷积核中至少一个为深度卷积。
7.根据权利要求1-3任一项所述的表面缺陷检测模型的构建方法，其特征在于，对相同尺度的rgb图像和热力图对应的初始特征图进行的特征融合为对设定尺度范围内相同尺度的rgb图像和热力图对应的初始特征图进行的特征融合；所述设定尺度范围对应的下限...
【专利技术属性】
技术研发人员：徐明亮，崔丽莎，刘腾岳，姜晓恒，马明，李正浩，
申请(专利权)人：郑州大学，
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。