[发明专利]基于Focal模块和可变形卷积的钢材表面缺陷检测算法在审
| 申请号： | 202310673020.4 | 申请日： | 2023-06-07 |
| 公开（公告）号： | CN116934685A | 公开（公告）日： | 2023-10-24 |
| 发明（设计）人： | 黄同愿;张伟峰;余潜江 | 申请（专利权）人： | 重庆理工大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06V10/82;G06V10/762;G06V10/766;G06V10/764;G06V10/52;G06V10/44;G06V10/54;G06V10/80;G06N3/0464;G06N3/08 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 400054 *** | 国省代码： | 重庆;50 |
| 权利要求书： | 暂无信息 | 说明书： | 暂无信息 |
| 摘要： | 本发明公开了一种基于Yolov7的Focal模块和可变形卷积网络钢材表面缺陷检测算法，属于目标检测领域，包括以下步骤：S1、数据获取；S2、构建新研发的基于YOLOv7模型的目标检测算法；S3、优化损失函数并对目标检测算法模型进行训练，保存最优模型；S4、使用最优模型进行预测，保存预测结果，获取评价指标，最后进行结果对比；钢材在制造业中是不可或缺的原材料，并且钢材的好坏决定了产品的质量。但在生产过程中，钢材表面会产生许多缺陷，这些缺陷具有种类多、形状复杂且不规则等问题。为了检测出这些缺陷，我们提出了一种适用于钢材表面缺陷检测的DF‑YOLOv7模型。首先，提出模型使用K‑means++算法，通过调整固定锚框尺寸的大小来适应不同数据集里缺陷的大小，提高模型对不同缺陷的特征提取能力。其次，提出模型使用D‑SPPCSPC模块提取缺陷的轮廓特征，提高模型的缺陷检测性能，并进一步减少模型的参数量。最后，提出模型使用带有Focal模块的CIoULoss，使模型更加专注于高质量锚框，解决正负样本不平衡的问题。实验结果表明，在每秒51.7帧的检测速度下，提出模型在NEU‑DET数据集上的mAP为0.771，较原模型提高了3.6％，高于一些SOTA检测器的精度，这表明DF‑YOLOv7模型能够获得不错的缺陷检测性能，满足工业对实时检测的需求。 | ||
| 搜索关键词： | 基于 focal 模块 变形 卷积 钢材 表面 缺陷 检测 算法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于重庆理工大学，未经重庆理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202310673020.4/，转载请声明来源钻瓜专利网。
- 上一篇：显示装置以及电子设备
- 下一篇：一种分流装置及衣物处理设备
