一种罐道表面缺陷轻量化检测模型及其检测方法技术

本发明专利技术公开了一种罐道表面缺陷轻量化检测模型，包括主干特征提取网络、颈部特征融合网络和预测输出网络三部分，主干特征提取网络由1个动态空间自适应融合模块DSAF、5个CBS、3个C2f、和1个SPPF模块构成；颈部特征融合网络由4个动态高效局部注意力融合模块DELA‑C2f、2个CBS、2个上采样和拼接操作灵活构成；预测输出网络采用全新的GH‑Detect检测头模块，采用共享理念构建GH‑Block模块形成一条主干路径。本发明专利技术有助于实现罐道表面缺陷高精度检测，能够满足煤矿井下罐道缺陷检测的工业应用需求，便携部署在计算机资源受限的嵌入式设备上。

【技术实现步骤摘要】

本专利技术属于目标检测领域，涉及一种罐道表面缺陷轻量化检测模型及其检测方法。

技术介绍

1、煤炭是中国的主要能源，煤炭资源的安全高效开采关系到经济的稳定和可持续发展。立井是矿工与地面之间的主要通道，立井内安装了罐道，作为提升机罐笼运行的导向。罐道在长期运行中会出现磨损、裂缝、锈蚀等缺陷，如果处理的不及时，轻微的情况下可能会影响提升机罐笼的安全平稳运行；严重时则可能发生安全事故，直接造成巨大的经济损失。因此，对煤矿罐道缺陷进行准确的检测具有重要意义。

2、目前立井罐道表面缺陷的检测方式主要依赖人工巡查，不仅费时耗力，而且还受到检查人员经验和主观判断的限制，难以确保检测的准确性和效率。为了解决检测效率不高和精度准确性问题，相关领域研究者已经提出了罐道缺陷自动化检测方法。胡文彬等提出了通过对二维激光扫描仪提取到的罐道扫描数据进行数据算法处理，将算法写入上位机软件中实现检测缺陷，提高了检测效率，详见“胡文彬,吴丰,甘维兵,等.基于二维激光扫描技术的罐道检测算法[j].红外与激光工程,2021,50(10):227-233.”。然而上述方法能提高检测精度本文档来自技高网...

【技术保护点】

1.一种罐道表面缺陷轻量化检测模型，其特征在于，包括主干特征提取网络、颈部特征融合网络和预测输出网络三部分；

2.根据权利要求1所述一种罐道表面缺陷轻量化检测模型，其特征在于，所述主干特征提取网络的DSAF模块，首先，采用1×1标准卷积进行初步特征提取，接着通过动态蛇形卷积DSConv，再利用残差分支在H和W维度上对特征图进行自适应平均池化，将H×W×C的输入特征图压缩为一个1×1×C的特征图，并通过激活操作和全连接层进行处理，然后通过上采样操作将特征图尺寸调整至与主路分支输出特征图大小一致，最后通过Concat操作将不同层次的特征融合，再经过标准卷积进一步提取细节特征。...

【技术特征摘要】

1.一种罐道表面缺陷轻量化检测模型，其特征在于，包括主干特征提取网络、颈部特征融合网络和预测输出网络三部分；

2.根据权利要求1所述一种罐道表面缺陷轻量化检测模型，其特征在于，所述主干特征提取网络的dsaf模块，首先，采用1×1标准卷积进行初步特征提取，接着通过动态蛇形卷积dsconv，再利用残差分支在h和w维度上对特征图进行自适应平均池化，将h×w×c的输入特征图压缩为一个1×1×c的特征图，并通过激活操作和全连接层进行处理，然后通过上采样操作将特征图尺寸调整至与主路分支输出特征图大小一致，最后通过concat操作将不同层次的特征融合，再经过标准卷积进一步提取细节特征。

3.根据权利要求1所述一种罐道表面缺陷轻量化检测模型，其特征在于，所述颈部特征融合网络的dela-c2f模块，融合3×3标准卷积和改进的高效局部注意力(efficient localattention,ela)对bottleneck模块进行改进，得到de-block模块；de-block模块先使用1×1标准卷积，然后经过3×3标准卷积和d-ela模块并联，再通过concat融合操作，最后通过1×1标准卷积与输入特征图相加得到输出。

4.根据权利要求1所述一...

【专利技术属性】
技术研发人员：赵佰亭，彭李朋，贾晓芬，梁镇洹，胡锐，
申请(专利权)人：安徽理工大学，
类型：发明
国别省市：