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：渑池县坤基新型墙材有限公司

摘要：本发明提出了一种蒸压加气混凝土板材缺陷识别方法，涉及计算机视觉领域。本发明提出了蒸压加气混凝土板材缺陷识别流程，包括蒸压加气混凝土板材图像采集、制作蒸压加气混凝土板材缺陷数据集、构建空间特征优化模块SFO、构建卷积通道混合模块CCM、构建特征处理块FPB、构建超分辨率重建模块、构建蒸压加气混凝土板材缺陷识别模型、训练蒸压加气混凝土板材缺陷识别模型和蒸压加气混凝土板材缺陷识别；同时提出超分辨率重建模块，包含空间特征优化模块SFO和卷积通道混合模块CCM，SFO使用独立计算来学习多尺度特征表示，并聚合这些特征以进行动态空间调制，CCM可以编码局部上下文信息并同时混合通道。

主权项：1.一种蒸压加气混凝土板材缺陷识别方法，其特征在于，包括以下步骤：S1、蒸压加气混凝土板材图像采集，采集蒸压加气混凝土板材图像数据，包括正常蒸压加气混凝土板材和六类缺陷蒸压加气混凝土板材，蒸压加气混凝土板材的六类缺陷包括裂缝、气泡、凹凸、色斑、破损和异物；S2、制作蒸压加气混凝土板材缺陷数据集，将正常蒸压加气混凝土板材和六类缺陷蒸压加气混凝土板材图像进行标注，标注种类为七种，包括正常、裂缝、气泡、凹凸、色斑、破损和异物，标注完成获得蒸压加气混凝土板材缺陷数据集；S3、构建空间特征优化模块SFO，包含通道拆分、深度卷积、池化和上采样；所述空间特征优化模块SFO，给定输入特征X，SplitX＝[X0，X1，X2，X3]，对于X0，有对于X1、X2和X3，然后有最终输出X∈RH×W×C，其中Split代表通道拆分操作，DWConv代表3×3深度卷积，upr·表示通过最近插值将特定级别的特征上采样到原始分辨率r，r为H和W的乘积，代表将输入特征池化到的大小，然后通过在通道维度上连接这些特征，并执行1×1卷积来聚合这些特征，得到聚合特征Conv代表1×1卷积，Concat表示通道维度上的连接操作，然后通过GELU激活函数对聚合特征进行归一化，并和输入X逐元素相乘，从而根据聚合特征自适应地调制输入X，得到空间特征优化模块SFO的最终输出GELU代表GELU激活函数，⊙代表逐元素相乘；S4、构建卷积通道混合模块CCM，包含3×3卷积和1×1卷积所述卷积通道混合模块CCM，CCM由3×3卷积和1×1卷积组成，3×3卷积对空间局部上下文进行编码，并将输入特征的通道数量加倍以用于混合通道，1×1卷积将通道减少回原始输入维度，并将输入特征和1×1卷积输出进行逐元素相加，给定输入特征X，得到卷积通道混合模块CCM的输出特征XCCMout，XC3＝Conv3×3X，XC1＝Conv1×1XC3，XCCMout＝XC1+X，X∈RH×W×C，+代表逐元素相加，ConV3×3代表3×3卷积，ConV1×1代表1×1卷积，X经过3×3卷积得到XC3∈RH×W×2C，XC3经过1×1卷积得到XC1∈RH×W×C，XCCMout∈RH×W×C；S5、构建特征处理块FPB，包含LayerNorm、空间特征优化模块SFO和卷积通道混合模块CCM；所述特征处理块FPB，给定输入特征X，得到特征处理块FPB的输出特征Z，Y＝SFOLNX+X，Z＝CCMLNY+Y，X∈RH×W×C，Y∈RH×W×C，Z∈RH×W×C，SFO代表空间特征优化模块，CCM代表卷积通道混合模块，LN代表LayerNorm，+代表逐元素相加；S6、构建超分辨率重建模块，包含3×3卷积层、多个特征处理块FPB和上采样层；所述超分辨率重建模块，先使用3×3卷积层将输入的低分辨率图像LR变换到特征空间，使用一系列特征处理块FPB执行特征提取，然后通过上采样层重建这些提取的特征，并得到最终输出的超分辨率SR图像，给定输入LR，LR∈RH×W×C，超分辨率重建模块的最终输出为SR，SR＝upFPBn…FPB2FPB1Conv3×3LR…+Conv3×3LR，SR∈R2H×2W×C，FPBn代表第n个特征处理块FPB，Conv3×3代表3×3卷积层，up代表上采样，+代表逐元素相加；S7、构建蒸压加气混凝土板材缺陷识别模型，包括输入、超分辨率重建模块、骨干网络、检测头和输出；S8、训练蒸压加气混凝土板材缺陷识别模型，使用蒸压加气混凝土板材缺陷数据集训练蒸压加气混凝土板材缺陷识别模型；S9、蒸压加气混凝土板材缺陷识别，通过摄像机拍摄视频抽帧处理获得单帧蒸压加气混凝土板材图像，并输入到蒸压加气混凝土板材缺陷识别模型，获得检测结果。

全文数据：

权利要求：

百度查询： 渑池县坤基新型墙材有限公司 一种蒸压加气混凝土板材缺陷识别方法