摘要
本发明提出一种基于改进YOLO11n的射线图像焊缝缺陷检测方法,方法具体步骤如下:采用YOLO11n作为基础模型,在主干网络中使用融入混合局部通道注意力机制的C2PSA模块形成的C2MLCA模块,提升网络对特征的表达能力;在网络中使用动态特征融合机制并与多尺度分支的C3k2_DFF模块,使网络能够在更大的感受野下有效结合多尺度信息;在网络中使用轻量高效的LHED模块替换原下采样模块;最后基于改进后的模型进行射线图像焊缝缺陷图像的训练与推理,实现高精度缺陷识别;本发明方法在实现模型轻量化的同时具有较高的的检测精度,特别在背景复杂缺陷目标较小的射线图像焊缝缺陷检测方面有突出表现。
技术关键词
焊缝缺陷检测方法
分支
多尺度信息
射线
采样模块
焊缝缺陷图像
通道注意力机制
网络模型训练
输出特征
识别焊缝
序列
融合特征
优化器
检测头
系统为您推荐了相关专利信息
多源检测数据
多任务深度神经网络
数字孪生体
三维扫描数据
森林生态系统
X射线荧光光谱
有害物质检测方法
X射线管
食品包装材料
有害物质检测系统
稀疏特征选择
高层次
稀疏特征提取
融合特征
子模块