← 返回列表
一种基于深度学习的表面缺陷检测方法
摘要文本
本发明公开了一种基于深度学习的表面缺陷检测方法，包括：对待检测的产品图像进行处理，并对处理后的待检测产品图像进行特征提取，获取产品图像特征图；基于头部网络对所述产品图像特征图进行处理，获得带有表面缺陷的图像的高级特征；通过解耦式检测头根据所述高级特征进行检测，对生成的检测结果进行解码，获得最终的检测结果。本发明通过应用CST模块、FasterNet模块、解耦式检测头和EIoU损失函数来实现精度的提高和加快模型运行速度。 来源：专利查询网
申请人信息
- 申请人:江西理工大学
- 申请人地址:341099 江西省赣州市红旗大道86号
- 发明人: 江西理工大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于深度学习的表面缺陷检测方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311518976.3 |
| 申请日 | 2023/11/15 |
| 公告号 | CN117541554A |
| 公开日 | 2024/2/9 |
| IPC主分类号 | G06T7/00 |
| 权利人 | 江西理工大学 |
| 发明人 | 吴剑青; 谢扬; 杨书新; 黄伟东; 王碧; 曾博文 |
| 地址 | 江西省赣州市章贡区红旗大道86号 |
专利主权项内容
1.一种基于深度学习的表面缺陷检测方法，其特征在于，包括：对待检测的产品图像进行处理，并对处理后的待检测产品图像进行特征提取，获取产品图像特征图；基于头部网络对所述产品图像特征图进行处理，获得带有表面缺陷的图像的高级特征；通过解耦式检测头根据所述高级特征进行检测，对生成的检测结果进行解码，获得最终的检测结果。 马 克 数 据 网