摘要
本发明公开了集成全局局部感知与分层特征融合的带钢表面缺陷检测方法,属于图像处理技术领域;该方法包括:获取待检测的带钢表面图像;将待检测的带钢表面图像输入至训练后的带钢表面缺陷检测模型;所述带钢表面缺陷检测模型为YOLOv8n,包括:多个特征增强模块、一个分层融合网络和多个全局局部感知模块;所述特征增强模块替换其骨干网络中原有的C2f模块;输出对应的检测结果。该方法提升了模型对带钢表面缺陷的检测精度,尤其是在复杂背景和非结构化缺陷的检测方面,降低了模型对计算资源的消耗,使其更适用于实际工业场景,更提升了模型对不同尺度缺陷的检测能力。
技术关键词
带钢表面缺陷
分层特征
线性插值方法
通道
模块
网络
全局平均池化
注意力
多尺度特征融合
上采样
全局特征提取
融合特征
局部特征提取
图像处理技术
背景噪声
语义特征
输出特征
系统为您推荐了相关专利信息
联邦学习方法
知识图谱补全
客户端
管道仪表
三元组
铝箔餐盒
记忆
缺陷检测方法
神经网络结构
机器学习模型
信号发射模块
芯片架构
电容模块
信号接收模块
芯片封装结构