摘要
本发明涉及涂层材料及检测技术领域,具体为一种碳化硅涂层石墨盘的表面缺陷检测方法及系统;对石墨盘表面进行多维图像数据采集;通过自适应多尺度卷积神经网络进行噪声去除,并结合图像梯度约束保留细节和边缘信息;利用图像增强技术恢复高频细节,且通过深度学习的空间变换网络进行几何校正,确保数据一致性;引入认证权限序列,确保图像数据的真实性和总括性;通过采用改进YOLOv9模型,引入注意力机制增强对目标特征的提取能力,并结合Soft‑NMS算法优化定位框,解决重叠检测问题,且用SCM模块替代传统卷积层;实时反馈检测结果,生成详细检测报告并提供决策支持。本发明提高了碳化硅涂层石墨盘表面缺陷检测的精度与效率。
技术关键词
表面缺陷检测方法
碳化硅涂层
多尺度卷积神经网络
石墨盘表面
sigmoid函数
空间变换网络
图像增强技术
Sobel边缘检测
序列
表面缺陷检测系统
噪声
去噪方法
多维图像数据
抑制背景干扰
引入注意力机制
分支
原始图像数据
系统为您推荐了相关专利信息
医学图像分割方法
多尺度特征融合
压缩特征
语义特征
残差模块
动态邻接矩阵
数据嵌入
卷积网络模型
消毒剂
实时数据
编码向量
通信网络资源分配
模型算法
语义
智能资源分配
肿块
分割方法
输出特征
sigmoid函数
特征提取单元
表面缺陷检测方法
表面缺陷图像
瓷砖
颈部结构
检测头