一种基于深度学习的燃料棒外观缺陷检测方法及装置

本发明公开一种基于深度学习的燃料棒外观缺陷检测方法及装置，该方法包括采用线阵相机对燃料棒进行分区取像，直到取到所有区域的图像；将所有区域的图像拼接成燃料棒的完整图像；将燃料棒的完整图像切割成若干份；在yolov5网络中增加CBAM注意力模块和微小目标检测头，形成yolov5、CBAM和多头检测的算法模型；采用S4中的算法模型对切割后的每份图像进行检测；将切割后图像上的瑕疵坐标转换到未切割前的完整图像上；对完整图像上重复的瑕疵检测框进行过滤。本发明应对微小目标时，能够准确定位，提高了检测精度，减少漏检和误检，并且能够快速有效地检测，极大地缩短了计算机训练及运算的时间。