龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
摘要：本发明涉及一种基于改进FasterRCNN的工业产品缺陷检测方法，属于计算机视觉技术领域。主要分为这四个部分：主干网络、区域候选网络RPN、兴趣域池化ROI、分类和回归。Backbone包含残差网络ResNet和特征金字塔网络FPN，通过对原始的ResNet18和FPN进行改进，实现多尺度特征图的融合，同时兼顾大目标，中目标和小目标的检测精度，使模型获得不同语义程度上的特征图信息。将混合注意力机制SA‑NET引入到Backbone中，能增加与缺陷相关的特征权重，同时提升图像的特征信息。本网络通过对Backbone的改进和加入注意力机制提高了检测速度和精度。
主权项：1.基于改进FasterRCNN的工业产品缺陷检测方法，其特征在于：该方法包括以下步骤：获取包含工业产品缺陷图像的数据集；对获取的数据集进行预处理，包括进行图像的缩放、裁剪和归一化；对预处理后的数据集进行数据增强，包括进行图像的旋转、翻转和裁剪，以扩充数据集；使用图像标注工具对数据集进行标注，将缺陷区域标注为感兴趣区域ROI；构建基于改进更快的区域卷积神经网络FasterRegionProposalNetwork，FasterRCNN的缺陷检测模型，所述模型包括：使用改进的ResNet18网络和改进的特征融合金字塔网络Multi-FeaturePyramidNetworks，MFPN作为骨干网络，其中ResNet18网络的卷积模块被替换为基础残差星模块Basicbolck_Star，BS-Star模块，并在MFPN中加入轻量级上采样模块DySample，实现多尺度特征的融合；在骨干网络后加入混合注意力机制SEAttation-Networks，SA-NET模块，以充分结合特征通道和特征空间两个维度的注意力机制，提高模型的特征提取能力；使用标注后的数据集对构建的模型进行训练，优化模型的参数，使模型能够准确识别和定位工业产品缺陷；使用训练好的模型对输入的工业产品图像进行缺陷检测，输出缺陷类别、位置和分割结果。
全文数据：
权利要求：
百度查询： 重庆邮电大学 基于改进Faster RCNN的工业产品缺陷检测方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号