丰满美女裸体视频一区二区三区|无码 视频 一区|亚洲无码毛片一区二区|秋霞自慰人妻久久久久经典|无码在线观看无播放器|熟女综合一区二区三区|青青操逼一级视频三级精品|国产露出视频在线|av无码免费一区二区三|激情视频在线导航

專利類型：

發(fā)明公開

申請(專利)號：

CN202310196836.2

申請日：

2023-03-03

申請公布號：

CN116433593A

申請公布日：

2023-07-14

申請人：

江蘇科技大學

地址：

212008 江蘇省鎮(zhèn)江市京口區(qū)夢溪路2號

發(fā)明人：

趙超;束鑫;嚴熙;諸峰;左欣;范燕

專輯：

信息科技

專題：

計算機軟件及計算機應用

主分類號：

G06T7/00

分類號：

G06T7/00;G06V10/764;G06V10/774;G06V10/80;G06V10/82;G06N3/04;G06N3/08

國省代碼：

32

頁數(shù)：

10

代理機構：

南京蘇高專利商標事務所(普通合伙)

代理人：

柏尚春

主權項：

1.一種基于RDD-YOLO算法的鋼鐵表面缺陷檢測方法,其特征在于,包括以下步驟：(1)在帶鋼表面缺陷圖像數(shù)據(jù)集獲取數(shù)據(jù)樣本,將數(shù)據(jù)樣本以特定比例劃分訓練集與測試集；并對訓練集中的圖像進行預處理；(2)構建基于RDD-YOLO算法的鋼鐵表面缺陷檢測模型,所述鋼鐵表面缺陷檢測模包括backbone部分、neck部分和head部分；所述backbone部分使用Res2Net網(wǎng)絡結構模塊替換YOLOv5原始backbone網(wǎng)絡中的模塊CSP-n；所述neck部分采用雙重特征金字塔特征融合模塊DFPN；所述head部分使用解耦頭DecoupledHead替換YOLOv5中原有的檢測頭；(3)利用訓練集對鋼鐵表面缺陷檢測模型進行訓練,獲取最優(yōu)檢測模型；(4)利用訓練得到的最優(yōu)檢測模型對測試集中的圖片進行檢測；(5)對測試集的檢測結果進行檢測精度和速度評價；評價指標包括全類平均精度mAP和每秒檢測幀數(shù)FPS。

摘要：

本發(fā)明公開了一種基于RDD-YOLO算法的鋼鐵表面缺陷檢測方法,包括：使用Res2Net模塊替換YOLOv5的原始backbone網(wǎng)絡中的模塊CSP-n以加強特征提取能力；在YOLOv5的Neck部分設計了一個新的特征融合模塊雙重特征金字塔特征融合模塊DFPN,用于融合不同尺度的特征圖,進一步提取特征圖中的信息；在head部分采用了解耦頭的結構來替換原有的YOLOv5檢測頭。本發(fā)明構建雙重特征金字塔特征融合模塊DFPN以充分利用網(wǎng)絡中的所有信息,使其更精細地融合特征,緩解鋼鐵表面缺陷尺度大小不一的問題；使用DecoupledHead解耦頭能夠使分類任務與定位框的回歸任務分離開,從而使預測更加精準；本發(fā)明可用于對復雜場景下鋼鐵表面缺陷檢測任務,并且檢測精度較傳統(tǒng)的模型有較大的提升。