摘要
本发明提供一种缺陷检测系统、检测方法以及模型训练方法;本发明能够实现在深度学习模型算法的缺陷检测精度大幅提高,尤其是在复杂场景下,对于不同尺度和背景的目标缺陷都能够获得更准确的检测结果,同时,通过自注意力机制和频域特征融合,网络能够自适应地聚焦于重要特征,减少无关信息的干扰,进一步优化了模型的性能,此外,多尺度特征融合和上下文信息的引导使得模型在目标缺陷识别的过程中更加智能,能够处理更复杂的环境,同时,深度学习模型算法的缺陷检测精度、鲁棒性和处理速度均也得到了显著的提升,尤其适用于多目标缺陷和复杂环境中的实时检测任务;本发明属于视觉检测系统的技术领域。
技术关键词
缺陷检测系统
注意力机制
卷积神经网络模块
深度学习模型
频率
通道
模型训练方法
融合策略
图像
加权特征
特征金字塔
图片
晶圆缺陷检测
尺寸
卷积神经网络提取
批量数据处理
系统为您推荐了相关专利信息
青稞籽粒
分选方法
识别算法
双向特征金字塔
构建卷积神经网络
图像识别模型
强化学习方法
神经网络结构搜索
电力作业场景
堆叠方式
大规模图像数据
多层卷积神经网络
迁移学习技术
深度学习模型
算法
融合多尺度特征
融合特征
频率
遥感图像数据
ResNet网络