摘要
本申请公开了一种基于可变形卷积的表面缺陷检测方法和装置,本申请涉及金属缺陷检测技术领域,该方法包括:对源金属表面图像进行预处理获得处理金属图像;通过改进特征分析网络对处理金属图像进行多重特征分析获得目标缺陷特征;改进特征分析网络为基于可变形卷积模块DCNv2改进的YOLOv8模型特征分析模块;根据优化检测头和目标缺陷特征确定目标金属表面缺陷对应的异常坐标并基于异常坐标在处理金属图像中对目标金属表面缺陷进行标注。本申请通过预处理图像减少噪声和背景干扰;基于可变形卷积模块扩大采样区域和感受野,增强目标缺陷特征对复杂背景和多尺度缺陷的适应性,减少漏检和误检,进行金属表面缺陷高精度定位。
技术关键词
表面缺陷检测方法
金属表面缺陷
卷积模块
可变卷积神经网络
图像
坐标
表面缺陷检测装置
金属缺陷检测
辅助检测头
空间金字塔
强化特征
双线性插值
连线
识别模块
采样点
动态
地面
系统为您推荐了相关专利信息
医学检验样本
识别系统
特征提取模块
数据采集模块
计算机可执行指令
镁基复合材料
多模态特征融合
长短期记忆网络
石墨烯
文本特征向量
动作预测方法
大语言模型
多模态
查询特征
视觉特征
层次化语义
视觉特征
待检对象
图片检索方法
多层次