摘要
本发明提供了一种电机磁瓦表面缺陷检测方法及系统,属于缺陷检测领域,包括获取电机磁瓦表面图像数据;根据不同样本问题,构建电机磁瓦表面图像增强模型对所述磁瓦表面图像数据进行增强,得到增强后的样本数据集;在原始YOLOv8n模型的Backbone部分引入混合卷积模块ADconv,替换原模型CSP中的普通卷积conv,在Neck部分引入混合注意力模块HAM,引入代价敏感因素和优化损失函数Focal‑EIOU,得到改进的YOLOv8n模型;利用增强后的样本数据集对改进的YOLOv8n模型进行训练,得到电机磁瓦表面缺陷检测模型;根据电机磁瓦表面缺陷检测模型处理电机磁瓦图像,得到电机磁瓦表面缺陷检测结果。提高电机磁瓦缺陷检测准确度和效率,满足工业质量检测的生产需求。
技术关键词
电机磁瓦
表面缺陷检测方法
表面图像数据
注意力
图像增强模型
全局平均池化
卷积模块
通道
样本
表面缺陷检测系统
卷积神经网络结构
学习特征
多级特征融合
空洞
磁瓦表面
生成对抗网络