摘要
本申请属于工业生产中的缺陷检测技术领域,具体公开了一种目标缺陷检测方法及装置。本申请,通过采用深度学习模型(目标缺陷检测网络)中的特征提取网络,提取目标图像对应的各个尺度的特征图,利用目标缺陷检测网络中的特征融合网络,对提取到的各个尺度的特征图进行融合,得到多个新的特征图,最后结合目标缺陷检测网络中的预测网络,对目标图像进行缺陷检测,得到目标缺陷检测结果。实现了将深度学习模型从实验室迁移到实际生产应用中,解决了传统工业生产过程中人工查验目标(如钢带表面)瑕疵效率低下、易疲劳、误码率高等痛点问题,保障了工业生产制造领域的发展。
技术关键词
缺陷检测方法
特征提取网络
特征融合网络
注意力
输出特征
深度学习模型
模块
计算机程序产品
工业生产
缺陷检测技术
缺陷检测装置
图像
处理器
可读存储介质
存储计算机程序
缺陷类别
存储器
误码率
系统为您推荐了相关专利信息
神经网络预测模型
加权损失函数
轻量级神经网络
序列
数据
文档生成方法
计算机视觉算法
文本生成模型
注意力机制
检索算法
图像编码器
查询特征
前馈神经网络
语义特征
感兴趣区域提取
智能化管理方法
公益林
智能化管理系统
调控策略
时间序列建模技术
数据决策方法
时间序列特征
多模态特征
交互特征
文本