摘要
本发明提供一种基于混合注意力机制和类别特征优化的神经网络及缺陷检测方法,涉及缺陷检测技术领域,所述神经网络包括特征提取网络、Transformer网络、十字交叉注意力网络、特征融合网络、类别特征优化网络以及全连接层;所述特征提取网络用于特征图构建,所述Transformer网络用于特征图依赖关系构建;所述十字交叉注意力网络用于特征图全局像素点关联;所述特征融合网络用于特征图的特征融合;所述类别特征优化网络用于特征图的特征信息平滑处理,所述全连接层用于特征图的缺陷类别预测。本发明采用结构优化的神经网络进行面板缺陷检测,能够解决现有神经网络进行面板缺陷检测时容易出现漏检和误检的问题。
技术关键词
缺陷检测方法
特征融合网络
特征提取网络
面板缺陷检测
纹理特征
语义特征
干涉条纹
图像获取单元
像素点
通道注意力机制
深层特征提取
浅层特征提取
缺陷检测技术
缺陷检测系统
可读存储介质
系统为您推荐了相关专利信息
分割图像数据
混凝土凿毛
粗糙度参数
粗糙度检测方法
网格
表面缺陷检测方法
表面缺陷检测系统
塑料
图像处理模块
图像获取模块
缺陷检测方法
多源传感信息
信息处理模型
镜片缺陷检测
信息采集模块
高压电缆
缺陷检测方法
多任务损失函数
缺陷类别
图像
缺陷检测方法
高精度光电传感器
像素点
数据
显示器检测技术