一种基于深度学习的钢坯检测方法

本申请公开了一种基于深度学习的钢坯检测方法，属于钢坯检测技术领域，主要用于热连轧加热炉出炉过程中钢坯的识别与定位。本申请方法的多层特征提取结构嵌入有CSA模块、SPPELAN网络和改进PANET网络，充分考虑了钢坯所处复杂环境，实现从检测图片输入到预测结果输出的端到端网络构建，解决传统方法精度低、实时性差问题。并且运用了残差网络提取图像特征，较好地平衡了网络复杂度与特征有效性，提高了模型对目标关注度与预测准确度。同时，改进的路径聚合网络也使模型更关注不同尺度的钢坯特征，提升了检测精度。故基于此，本申请方法的自动化和智能化程度较高，工业应用前景良好。