摘要
本发明公开了一种像素级钢材表面缺陷检测与分类方法,包括以下步骤:(1)获取多张历史钢材表面缺陷图像及其对应的掩码图像以及实测的钢材表面缺陷图像;(2)构建改进的深度学习模型包括Backbone层、侧输出层Side、上采样层和Outconv层;(3)采用多张钢材表面缺陷图像及其对应的掩码图像对改进的深度学习模型进行训练,得到基于改进的钢材表面缺陷检测与分类模型;(4)采用基于改进的钢材表面缺陷检测与分类模型对多张实测钢材表面缺陷图像进行钢材表面缺陷检测与分类;本发明提高了检测和分类的准确性。
技术关键词
表面缺陷检测
表面缺陷图像
钢材
分类方法
深度学习模型
像素
混合损失函数
上采样
模块
双线性插值
多尺度特征
预测类别
分类系统
处理器
编码
注意力机制
解码
网络结构
多层次
系统为您推荐了相关专利信息
主题分类方法
Attention机制
噪声因子
前馈神经网络
参数
毁伤评估方法
特征提取网络
移动轨迹分析
多模态
图像块
匈牙利算法
交叉注意力机制
关节
视频
人体关键点
预处理系统
模数转换模块
图像增强模块
图像格式转换
直方图均衡化算法
光谱图像分类方法
特征提取网络
高光谱图像数据
残差注意力机制
卷积神经网络模型