QQ交談
專利類型:
發(fā)明公開
申請(專利)號(hào):
CN202310196836.2
申請日:
2023-03-03
申請公布號(hào):
CN116433593A
申請公布日:
2023-07-14
申請人:
江蘇科技大學(xué)
地址:
212008 江蘇省鎮(zhèn)江市京口區(qū)夢溪路2號(hào)
發(fā)明人:
趙超;束鑫;嚴(yán)熙;諸峰;左欣;范燕
專輯:
信息科技
專題:
計(jì)算機(jī)軟件及計(jì)算機(jī)應(yīng)用
主分類號(hào):
G06T7/00
分類號(hào):
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(jī)構(gòu):
南京蘇高專利商標(biāo)事務(wù)所(普通合伙)
代理人:
柏尚春
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(xùn)練集與測試集;并對訓(xùn)練集中的圖像進(jìn)行預(yù)處理;(2)構(gòu)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(luò)結(jié)構(gòu)模塊替換YOLOv5原始backbone網(wǎng)絡(luò)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(xùn)練集對鋼鐵表面缺陷檢測模型進(jìn)行訓(xùn)練,獲取最優(yōu)檢測模型;(4)利用訓(xùn)練得到的最優(yōu)檢測模型對測試集中的圖片進(jìn)行檢測;(5)對測試集的檢測結(jié)果進(jìn)行檢測精度和速度評價(jià);評價(jià)指標(biāo)包括全類平均精度mAP和每秒檢測幀數(shù)FPS。
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(luò)中的模塊CSP-n以加強(qiáng)特征提取能力;在YOLOv5的Neck部分設(shè)計(jì)了一個(gè)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(jìn)一步提取特征圖中的信息;在head部分采用了解耦頭的結(jié)構(gòu)來替換原有的YOLOv5檢測頭。本發(fā)明構(gòu)建雙重特征金字塔特征融合模塊DFPN以充分利用網(wǎng)絡(luò)中的所有信息,使其更精細(xì)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(wù)與定位框的回歸任務(wù)分離開,從而使預(yù)測更加精準(zhǔn);本發(fā)明可用于對復(fù)雜場景下鋼鐵表面缺陷檢測任務(wù),并且檢測精度較傳統(tǒng)的模型有較大的提升。