一种基于频域注意力的全局-局部门控选择的激光焊斑检测方法技术

本发明专利技术公开了一种基于频域注意力的全局‑局部门控选择的激光焊斑检测方法，旨在解决现有焊斑检测中存在的小目标难检测、复杂背景干扰强和光照不均等问题。所述方法包括：(1)采集焊斑图像数据与对应标签；(2)构建由CSC、GLGA、AMFF、WSAM与CHAF模块组成的激光焊斑检测模型；(3)设定多损失函数联合优化模型性能；(4)利用焊斑数据集进行模型训练；(5)输出焊斑检测结果。通过引入通道混洗与门控注意力机制增强特征表达能力，结合小波变换与频域注意力提高边缘细节感知，融合多尺度跨层信息交互结构以提升模型对复杂工况的适应性。本发明专利技术有效提升了模型在复杂环境下的焊斑检测精度与边界还原能力，适用于工业场景中的激光焊斑检测任务。

【技术实现步骤摘要】

本专利技术属于计算机视觉，具体涉及一种基于频域注意力的全局-局部门控选择的激光焊斑检测方法。

技术介绍

1、激光焊斑的精准检测是当前工业制造与质量控制领域中的关键技术之一，其在评估焊接质量、定位焊接缺陷以及保障制造安全等方面具有重要意义。在现代工业检测系统中，激光焊斑的识别主要依赖于计算机视觉技术实现。传统的基于图像处理的焊斑检测方法往往依赖边缘提取、灰度阈值、形态学处理等人工先验规则，这类方法在面对复杂背景干扰、焊斑尺寸较小或边界模糊等场景时易受噪声影响，导致检测精度和鲁棒性下降。因此，传统方法逐步被基于深度学习的图像处理方法所取代。深度神经网络具备端到端学习能力，能够自动提取高阶语义特征，提升了对复杂图像中焊斑目标区域的识别能力。但现有的基于深度学习的焊斑检测方法在处理高背景噪声、小目标焊斑、边界模糊和光照变化显著等工业复杂环境时仍存在检测精度不足、特征表达能力弱等问题，难以满足工业现场对高精度与高鲁棒性焊斑检测的实际需求。

技术实现思路

1、本专利技术充分考虑了现有方法存在的缺点，其目的在于提供一种基于本文档来自技高网...

【技术保护点】

1.一种基于频域注意力的全局-局部门控选择的激光焊斑检测方法，其特征在于包括以下步骤：

2.如权利要求1所述的一种基于频域注意力的全局-局部门控选择的激光焊斑检测方法，其特征在于，所述步骤(2-b)中的CSC模块引入了2组分组卷积及通道混洗机制，所述CSC模块包括4个并行的特征提取分支，每个分支依次包括分组卷积、通道混洗操作、深度可分离卷积和分组卷积；此外，每个分支还并行包括全局平均池化、卷积以及双线性上采样操作；每个分支的输出依次经批归一化BN处理后与一个可学习的权重系数相乘，所述各分支的输出特征通过加权融合获得融合特征；所述融合特征进一步输入至一个空洞卷积中获得输出。...

【技术特征摘要】

1.一种基于频域注意力的全局-局部门控选择的激光焊斑检测方法，其特征在于包括以下步骤：

2.如权利要求1所述的一种基于频域注意力的全局-局部门控选择的激光焊斑检测方法，其特征在于，所述步骤(2-b)中的csc模块引入了2组分组卷积及通道混洗机制，所述csc模块包括4个并行的特征提取分支，每个分支依次包括分组卷积、通道混洗操作、深度可分离卷积和分组卷积；此外，每个分支还并行包括全局平均池化、卷积以及双线性上采样操作；每个分支的输出依次经批归一化bn处理后与一个可学习的权重系数相乘，所述各分支的输出特征通过加权融合获得融合特征；所述融合特征进一步输入至一个空洞卷积中获得输出。

3.如权利要求1所述的一种基于频域注意力的全局-局部门控选择的激光焊斑检测方法，其特征在于，所述步骤(2-c)中的glga模块包含一个全局注意力子模块与一个局部注意力子模块。所述全局注意力子模块对输入特征图进行全局平均池化，并依次通过卷积、归一化与relu激活函数，基于全局特征与每个空间位置特征之间的欧氏距离，计算动态门控权重，再通过上采样与加权得到全局注意力分支输出；所述局部注意力子模块作用于低层特征图，通过由全局注意力门控反向生成的局部门控系数，卷积和最大池化得到局部注意力分支输出；所述全局与局部注意力分支的输出经特征融合和卷积得到输出。

4.如权利要求1所述的一种基于频域注意力的全局-局部门控选择的激光焊斑检测方法，其特征在于，所述步骤(2-d)中的amff模块包括三个输入特征：当前层特征、上层特征和下层特征，所述特征通过通道切分方式划分为...

【专利技术属性】
技术研发人员：张帆，龚凌，赵于前，段吉安，
申请(专利权)人：中南大学，
类型：发明
国别省市：