摘要
本发明涉及缺陷检测技术领域,公开了一种基于机器视觉的工业设备缺陷检测方法。该方法包括获取工业设备图像;将工业设备图像输入工业设备缺陷检测模型;利用特征提取网络中基于倒残差模块的下采样结构提取不同尺度的第一特征图;利用特征融合网络中基于倒残差模块的下采样结构对第一特征图进行特征增强,并与第一特征图进行特征融合,得到特征融合后的第二特征图;利用预测网络根据特征融合后的第二特征图预测工业设备缺陷检测结果。本发明将分辨率较低、语义信息较强的特征图与分辨率较高、语义信息较弱的特征图相结合,从而在不同尺寸上构建高层次的语义特征,从而提高多尺度场景下的工业设备缺陷检测效果。
技术关键词
工业设备
残差模块
缺陷检测方法
输出特征
特征融合网络
特征提取网络
直方图均衡化算法
图像
拉普拉斯
空间金字塔
亮度
视觉
缺陷检测技术
积层
上采样
语义特征
分辨率