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：烟台大学

摘要：本发明涉及计算机视觉技术领域，尤其是涉及一种基于视觉神经网络的圆形衬套缺陷检测方法及系统。所述方法，包括：获取训练用图像数据集，并对图像数据集进行预处理；基于获取的图像数据集进行图像分割网络搭建，包括利用线性投影将图像分割为不重叠的块；利用编码器提取分割后的图像特征注意力关系，并通过线性分类器对图像分割网络的输出进行分类；根据图像分割网络的输出分类进行缺陷检测网络搭建，对缺陷检测网络中的每个阶段引入通道注意力机制，并将所有注意力信息反馈至原特征图；利用缺陷检测网络进行检测结果的输出，本发明通过添加通道注意力机制可以帮助网络对图像中重要的目标信息进行突出，提高网络对目标部分的感知能力。

主权项：1.一种基于视觉神经网络的圆形衬套缺陷检测方法，其特征在于，包括：获取训练用图像数据集，并对图像数据集进行预处理；基于获取的图像数据集进行图像分割网络搭建，包括利用线性投影将图像分割为不重叠的块，将输入的图像进行线性投影分割为不重叠的块，并对每个块进行标注，通过线性投影分割获得输出： 其中，是嵌入维度，类标记作为整个图像表示，是输入图像的高，是输入图像的宽，是通道数；利用Transformer编码器提取分割后的图像特征注意力关系，并通过线性分类器对图像分割网络的输出进行分类；根据图像分割网络的输出分类进行缺陷检测网络搭建，包括构建ResNet50网络主干和构建由多个残差块组成的网络结构，用于提取不同层次的特征；对缺陷检测网络中的每个阶段引入通道注意力机制，包括将注意力机制引入特征提取，以对目标部分获得更高的权重，在任意卷积变换U后，将整个特征图压缩到单一特征维度，这表示为： 其中，和表示输入特征图的长和宽，表示单一特征维度，U表示特征维度，通过这种挤压操作原特征图被压缩到单一特征维度，使用全连接层先将其降维r倍，通过非线性函数后再利用全连接层还原至C，最后通过Sigmoid函数并扩展至原来的形状与原输入相加获取通道间注意力，这种激励方式表达为： 其中，是Sigmoid函数，和分别是两个权重矩阵,是Relu函数，将缺陷检测网络输出特征图从高方向和宽方向分别进行压缩，得到高方向和宽方向特征值的压缩矩阵，将高方向和宽方向的压缩矩阵进行融合并利用1×1的卷积层提取位置信息，将融合后的压缩矩阵分离成两个独立的张量，利用另外的两个卷积层将通道数变为C，最后将所有注意力信息反馈到原特征图中，所述高方向和宽方向的压缩矩阵融合公式为： 其中，表示为ReLU激活函数，表示为权重矩阵，表示为高方向的压缩矩阵，表示为宽方向的压缩矩阵，并将所有注意力信息反馈至原特征图；利用缺陷检测网络进行检测结果的输出。

全文数据：

权利要求：

百度查询： 烟台大学 一种基于视觉神经网络的圆形衬套缺陷检测方法及系统