买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京航空航天大学江西研究院;北京航空航天大学

摘要：本发明公开了一种基于SE‑ResNeXt铸件缺陷识别方法，涉及铸件缺陷检测技术领域，包括：S1、采集铸件缺陷图像数据样本；S2、利用数据处理方法优化铸件缺陷图像；S3、构建一个端到端的两阶段神经网络的Cascade‑rcnn变体模型，主干网络采用ResNeXt，同时借鉴SENet思想，在保证模型速度的同时提高检测精度；S4、将优化后的铸件缺陷图像训练Cascade‑rcnn变体模型；S5、将待测试的铸件图像输入到Cascade‑rcnn变体模型中，输出缺陷位置和缺陷大小，由此完成整体铸件图像的缺陷自动化识别过程。本发明可以在保证模型检测速度的同时，实现更加精确的铸件缺陷识别结果。

主权项：1.一种基于SE-ResNeXt铸件缺陷识别方法，其特征在于，包括以下步骤：S1、采集铸件缺陷图像数据样本；S2、利用数据处理方法优化铸件缺陷图像，所述数据处理方法采用图像尺度归一化方法，将铸件缺陷图像的数据转换成标准模式；数据增强时，增强铸件缺陷图像的亮度、色彩、饱和度和对比度，提升缺陷与背景之间的对比；同时对铸件缺陷图像进行随机翻转、随机旋转、随机裁剪和图像模糊操作，扩充数据集，增加训练样本的数量以及多样性；最后将数据增强后的铸件缺陷图像，转化为RGB格式的彩色图像，彩色图像的像素大小为；S3、构建一个端到端的两阶段神经网络的Cascade-rcnn变体模型，主干网络采用ResNeXt，利用通道分组方法，减少模型参数量，同时在残差模块中连接SE模块，通过对特征图通道加权，使得神经网络关注包含重要信息的目标区域，所述重要信息包括铸件缺陷图像中的目标缺陷的特征；引入重评分机制，提取边缘感知特征用来定位，并利用桶式边界定位，得到平均分桶置信度，实现更加精确的铸件缺陷识别结果；S4、通过优化后的所述铸件缺陷图像形成的数据集训练所述Cascade-rcnn变体模型；S5、将待测试的铸件缺陷图像输入训练好的所述Cascade-rcnn变体模型中进行检测。

全文数据：

权利要求：

百度查询： 北京航空航天大学江西研究院 北京航空航天大学 一种基于SE-ResNeXt铸件缺陷识别方法