申请/专利权人：江苏科技大学

申请日：2023-03-27

公开（公告）日：2024-07-05

公开（公告）号：CN116309502B

主分类号：G06T7/00

分类号：G06T7/00;G06N3/0464;G06N3/08;G06V10/764;G06V10/80

优先权：

专利状态码：有效-授权

法律状态：2024.07.05#授权;2023.07.11#实质审查的生效;2023.06.23#公开

摘要：本发明公开了一种基于改进注意力模块的船舶涂装缺陷检测方法，包括如下步骤：将船舶涂装缺陷图像预处理后进行人工涂装缺陷标注，得到船舶涂装缺陷数据集，并将此数据集划分为训练集和测试集两部分；构建一种基于改进注意力模块的船舶涂装缺陷检测模型；搭建虚拟网络实验环境，利用步骤1中的船舶涂装缺陷数据集对步骤2中的检测模型进行训练与验证；将步骤3调试完整的模型嵌入到船舶涂装缺陷检测系统中，进而获取船舶涂装缺陷检测结果。本发明对空间注意力SAM进行优化，在多层卷积核基础上设置不同的膨胀系数形成多层并联空洞卷积，加深了网络结构，以获取更多的船舶涂装缺陷特征信息。

主权项：1.一种基于改进注意力模块的船舶涂装缺陷检测方法，其特征在于，包括如下步骤：1由某船厂数据库中获取船舶涂装缺陷图像，将船舶涂装缺陷图像预处理后进行人工涂装缺陷标注，得到船舶涂装缺陷数据集，并将此数据集划分为训练集和测试集两部分；2构建一种基于改进注意力模块的船舶涂装缺陷检测模型；3搭建虚拟网络实验环境，利用步骤1中的船舶涂装缺陷数据集对步骤2中的检测模型进行训练与验证；4将步骤3调试完整的模型嵌入到船舶涂装缺陷检测系统中，进而获取船舶涂装缺陷检测结果，所述步骤2在YOLOv4的基础上构建船舶涂装缺陷检测模型，将改进注意力模块融入YOLOv4的PANet路径聚合网络形成ICBAM注意力模块，船舶涂装缺陷检测模型包括主干网络CSPDarkNet-53、增强特征融合网络Neck以及检测头网络Head，增强特征融合网络Neck包括SPP池化金字塔网络和PANet路径聚合网络，所述的ICBAM注意力模块是在CBAM注意力模块的基础上对通道注意力模块CAM和空间注意力模块SAM进行改进，在所述改进的通道注意力模块中，为了轻量化CAM通道注意力模块，加强特征信息相关性，使用长度为k的一维卷积和多频率池化分别代替全连接和全局均值池化，对空间注意力SAM进行优化，在多层卷积核基础上设置不同的膨胀系数形成多层并联空洞卷积，利用特征分层思想将不同层的感受野相加改善空洞卷积，并且引入Inceptionv3思想，使用1×1卷积对输入特征通道降维，再将空洞卷积分解为n×1、1×n的串联形式，加深网络结构，增大感受野获取更多的丰富特征信息。

全文数据：

权利要求：

百度查询： 江苏科技大学 一种基于改进注意力模块的船舶涂装缺陷检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD