摘要
本发明公布了一种基于多尺度特征融合的洗衣机缺陷检测方法,包括:在获得待分类图像后,对待分类图像进行图像处理及裁剪,得到适应网络输入的图像;将输入图像输入卷积神经网络,并删除输出层,以此得到输入图像的局部特征图;将输入图像输入Vision Transformer网络,并删除输出层,以此得到输入图像的全局特征图;将待分类图像的局部特征图与全局特征图通过多尺度特征融合网络进行特征融合得到强化特征;将强化特征用以训练分类网络,并通过动态调整学习率加快训练过程的收敛速度。该方法通过将输入图像局部特征与全局特征通过多尺度特征融合模块相融合,提高了缺陷图像检测的准确性;通过动态调整学习率提高网络训练速度。
技术关键词
多尺度特征融合
表面缺陷检测方法
强化特征
图像局部特征
洗衣机
分类网络
通道
直方图均衡化算法
融合特征
对比度
待测物体
表面图像数据
双边滤波算法
工业相机
特征融合网络
输入多尺度
系统为您推荐了相关专利信息
多模态注意力
皮肤治疗
血红蛋白
黑色素
图像深度特征
感知特征
计数方法
多头注意力机制
前馈神经网络
特征提取器
轻量化轴承
多尺度特征融合
特征提取模块
故障诊断模型
残差结构
医学图像分割方法
胃肠道息肉
多尺度特征融合
内窥镜
通道注意力机制