摘要
本发明公开了一种钢材瑕疵检测方法、装置、介质和设备,涉及图像识别的技术领域。该方法包括:获取钢材的图像训练数据集与待检测钢材的图像;将图像训练数据集中的图像作为输入,将去噪后的钢材图像作为输出,对生成式对抗网络进行训练,得到去噪模型;将待检测钢材的图像输入去噪模型,得到去噪后的图像;将去噪后的钢材图像输入预训练的swin transformer模型与预训练的卷积神经网络模型进行特征提取,得到去噪后图像的第一特征与第二特征,对第一特征与第二特征进行特征融合,得到关于待检测钢材的特征图;利用区域提议网络与感兴趣区域网络对特征图进行处理,得到待检测钢材的瑕疵类型与瑕疵位置。通过上述方案,能够提高对钢材进行缺陷检测的精确度。
技术关键词
瑕疵检测方法
生成式对抗网络
钢材
多尺度特征融合
卷积神经网络模型
图像纹理特征
感兴趣
去噪模型
瑕疵检测装置
数据分布
表达式
噪声样本
特征提取模块
分支
处理器
注意力
系统为您推荐了相关专利信息
深度特征融合
卷积神经网络模型
图像预处理方法
多尺度特征融合
局部细节特征
昼夜云检测方法
多尺度特征融合
检测网络模型
影像
编码模块
故障检测模型
检测诊断方法
芯片封装
电子产品
电气设备
多尺度特征融合
边缘检测方法
上采样
多尺度融合网络
建立卷积神经网络结构
风机故障诊断方法
图像信息融合技术
表达式
指标
数据