摘要
本申请公开了一种钢材缺陷检测模型训练和应用方法、设备及介质,涉及图像识别技术领域,该方法包括:获取数据集;以数据集中的样本钢材表面图像为输入,以样本钢材表面图像对应的缺陷类别为标签,对钢材缺陷检测模型进行训练,得到训练好的钢材缺陷检测模型;钢材缺陷检测模型为改进的YOLOv8模型;改进的YOLOv8模型,将YOLOv8模型中特征提取主干网络的第二个到第四个卷积模块替换为残差卷积模块,将YOLOv8模型中特征提取主干网络的第一个卷积模块和第五个卷积模块替换为深度可分离卷积模块;残差卷积模块为引入残差结构的卷积模块,可提高钢材缺陷检测速度。
技术关键词
钢材缺陷检测
卷积模块
模型训练方法
输出特征
融合特征
缺陷类别
动态
分支
缺陷预测
采样点
残差结构
检测头
坐标
管状结构
样本
网络
图像识别技术
系统为您推荐了相关专利信息
融合特征
检测网络流量
多通道卷积神经网络
网络异常检测方法
多尺度异常检测
多模态特征融合
融合特征
预训练语言模型
语义特征
度计算方法