摘要
本发明公开了一种笼绞缺陷检测方法及系统,属于计算机视觉技术领域,该方法的实现包括以下步骤:采集笼绞生产过程中产生的缺陷数据集,并对采集到的数据集进行图像增强;对数据集中的图片进行标注,将数据集按比例划分为训练集、验证集和测试集;根据笼绞数据集特性,初始化Anchor框参数;主干网络中引入增强SE注意力机制,提升对当前任务有用的特征图通道,并抑制对当前任务无用的特征通道;使用Soft‑NMS筛选预测框;引入Focal‑CIoU,通过调节因子α来平衡高质量样本和低质量样本对损失的贡献。本发明能够提高对笼绞表面缺陷检出能力,减少实际应用过程中的误检与漏检情况。
技术关键词
缺陷检测方法
笼绞
注意力机制
机器可读程序
图像增强
样本
图像缩放技术
sigmoid函数
数据
训练集
线阵相机采集
聚类算法
缺陷检测系统
缺陷检测装置
计算机视觉技术
图片
图像处理
模型训练模块
非线性特征
系统为您推荐了相关专利信息
激光扫描单元
检测预警系统
盾构隧道
病害特征
数据处理模块
多模态融合技术
通道注意力机制
深度学习模型
脉冲轮廓
识别方法
系统运行状态
风险评估方法
信息采集系统
历史运行数据
电力
自然语言识别
适配器
知识蒸馏技术
注意力机制
文本
摘要生成方法
解码器
多层注意力机制
隐马尔可夫模型
序列