摘要
本发明公开了一种钢材表面缺陷检测方法及系统,属于机器视觉与工业检测技术领域;包括:接收钢材表面图像数据,并输入至预先训练好的YOLOV9s‑Bi FPN‑DW‑C3模型检测钢材表面缺陷,该模型包括骨干网络层、颈部网络层和检测头层,检测钢材表面缺陷的步骤包括:将钢材表面图像数据输入至骨干网络层进行多尺度特征提取,生成包含不同层级语义信息的特征图集合;将特征图集合输入至颈部网络层,执行跨尺度特征图的上采样匹配、归一化预处理、加权融合及多路径整合操作,输出优化后的融合特征图;将融合特征图输入至检测头层,基于预设锚框遍历融合特征图并预测每个锚框的缺陷类别概率和边界框偏移量;根据缺陷类别概率和边界框偏移量,生成缺陷检测结果列表。
技术关键词
表面缺陷检测方法
表面图像数据
融合特征
钢材
多尺度特征提取
缺陷类别
表面缺陷图像
权重分配机制
多路径
表面缺陷检测系统
上下文语义信息
工业检测技术
高层语义信息
注意力机制
采样模块
层级
可读存储介质
系统为您推荐了相关专利信息
水箱系统
温度控制方法
性能预测模型
温度检测装置
轧件温度
融合特征
深度学习分析
图像采集单元
图像采集模块
动态分配系统
行驶设备
二维图像特征
神经网络模型
图像特征提取
模块
故障诊断模型
输变电设备
注意力
融合特征
长短期记忆网络
图像处理模型
接收端
比特流
特征提取网络
图像处理方法