基于卷积注意力神经网络的喷涂质量监测方法、系统和存储介质技术方案

本发明专利技术公开了一种基于卷积注意力神经网络的喷涂质量监测方法、系统和存储介质，方法包括以下过程：实时采集喷涂工件的表面图像；对采集的图像进行预处理，预处理包括对采集的图像进行增强处理，对增强后的图像进行小波变换处理去除噪声和对去噪后的图像进行归一化处理；构建卷积注意力神经网络并进行训练，神经网络包括接收图像数据的输入层、提取图像局部特征的卷积层、提取图像上下文长远距离关系特征的多头注意力层、将图像特征映射到高维空间的全连接层和输出缺陷类别概率的输出层；将预处理后的图像数据输入训练完的神经网络，得到缺陷类别的概率分布；本发明专利技术能提取图像局部特征和长下文长距离关系特征并将两者综合更全面准确识别喷涂缺陷。

【技术实现步骤摘要】

本专利技术涉及喷涂质量监测，尤其是一种基于卷积注意力神经网络的喷涂质量监测方法、系统和存储介质。

技术介绍

1、喷涂技术广泛应用于制造业，尤其在汽车、航空航天、船舶和电子等领域中，喷涂质量直接影响产品的外观、性能和耐久性。传统的喷涂质量检测主要依赖人工目检或简单的光学检测设备，这种方法效率低、主观性强，且难以满足高精度和大规模生产的需求。随着工业自动化的发展，基于机器视觉的质量监测系统逐渐成为研究热点。然而，现有的视觉检测系统在复杂环境下的鲁棒性不足，对微小缺陷的识别能力有限，且缺乏对喷涂缺陷的智能分类能力。

2、现有技术中有通过卷积神经网络进行图像识别进而进行喷涂缺陷识别和分类，但是卷积神经网络只能提取图像的局部特征，无法从多个角度以全局的视角全面识别图像的整体特征，其识别能力有限。

技术实现思路

1、专利技术目的：本专利技术的目的是提供一种能提取图像局部特征和长下文长距离关系特征并将两者综合更全面准确识别喷涂缺陷的基于卷积注意力神经网络的喷涂质量监测方法、系统和存储介质。</p>

2、技术本文档来自技高网...

【技术保护点】

1.一种基于卷积注意力神经网络的喷涂质量监测方法，其特征在于，包括以下过程：

2.根据权利要求1所述的方法，其特征在于：所述小波变换分解采用Haar小波进行高频和低频分解，保留分解后的低频子带，舍弃高频子带。

3.根据权利要求1所述的方法，其特征在于，所述图像增强处理包括几何变换、直方图均衡化和对比度拉伸，对比度拉伸采用分段线性变换。

4.根据权利要求1所述的方法，其特征在于：所述卷积层的输出计算公式为

5.根据权利要求1所述的方法，其特征在于：所述多头注意力层包括多头注意力模块和前馈神经网络，多头注意力模块的输出特征输入前馈神经网络后得到...

【技术特征摘要】

1.一种基于卷积注意力神经网络的喷涂质量监测方法，其特征在于，包括以下过程：

2.根据权利要求1所述的方法，其特征在于：所述小波变换分解采用haar小波进行高频和低频分解，保留分解后的低频子带，舍弃高频子带。

3.根据权利要求1所述的方法，其特征在于，所述图像增强处理包括几何变换、直方图均衡化和对比度拉伸，对比度拉伸采用分段线性变换。

4.根据权利要求1所述的方法，其特征在于：所述卷积层的输出计算公式为

5.根据权利要求1所述的方法，其特征在于：所述多头注意力层包括多头注意力模块和前馈神经网络，多头注意力模块的输出特征输入前馈神经网络后得到多头注意力层的最终输出特征。

6.根据权利要求5...

【专利技术属性】
技术研发人员：刘冠辰，徐江敏，李欣逸，张校玮，张玉辉，房晨熙，
申请(专利权)人：江苏科技大学，
类型：发明
国别省市：