一种基于CA注意力机制和RepGhost网络的滚珠丝杠驱动表面点蚀缺陷检测方法

本发明涉及缺陷检测技术领域，公开了一种基于CA注意力机制和RepGhost网络的滚珠丝杠驱动表面点蚀缺陷检测方法，包括以下步骤：获取滚珠丝杠驱动表面的图像，对其进行语义级标注，经过数据处理后得到数据集；使用轻量级的RepGhost网络替代DeepLab v3+模型原有的ResNet网络作为主干特征提取网络，RepGhostNet采用基于RepGhost模块的RepGhost Bottleneck结构,在降低模型参数量和计算量的同时保持了较高的特征提取和融合能力；在DeepLab v3+模型的ASPP模块后加入Coordinate Attention(CA)注意力机制,通过分解输入特征图，在垂直和水平方向聚合特征，生成空间注意力权重,增强模型对图像特征的表达能力和空间敏感性；本发明方法在模型编码器的主干特征提取网络中使用RepGhostNet提取多尺度特征,在ASPP模块后应用CA注意力机制增强特征表示,最后通过解码器恢复图像的空间信息,解决了DeepLab v3+在细节信息的捕捉与处理方面仍存在一定的局限性的问题。