摘要
本发明提供了一种基于特征增强的轻量级配电柜壳体缺陷检测方法,属于配电柜壳体图像数据处理分析技术领域;首先,采用特征金字塔网络和残差注意模块,增强对配电柜壳体图像多尺度特征和特征关联信息的捕获能力,获得图像特征图;其次,通过区域卷积神经网络(R‑CNN)头网络、框分类器和框回归模型组成的两个通道并行连接,增强特征图表示能力,为后续的目标检测提供基础;最后,设计轻量化剪枝方法,显著提高配电柜壳体缺陷检测的精确度、实时性和高效性。经过以上关键步骤后,模型能够基于图像特征增强完成配电柜壳体缺陷检测的任务。该提案特别适用于小样本和具有不可见特性的配电柜壳体缺陷检测任务。
技术关键词
配电柜壳体
缺陷检测方法
区域生成网络
区域卷积神经网络
卷积特征
分类网络
残差注意力机制
标签类别
输出配电柜
特征金字塔网络
语义特征
图像数据处理
图像多尺度
原始图像数据
系统为您推荐了相关专利信息
缺陷检测方法
超声导波
计算机可执行指令
多模态
模式
表情识别方法
卷积特征提取
车载场景
表情识别装置
特征提取模块
图像检测模型
图像缺陷检测方法
混合模块
注意力机制
特征提取网络
齿轮缺陷检测方法
注意力机制
检测齿轮
齿轮缺陷检测系统
分支
输电线路绝缘子
拼接模块
卷积模块
缺陷检测方法
绝缘子设备