摘要
本发明公开了一种基于多尺度特征融合与混合监督的表面缺陷检测方法,具体包括以下步骤:步骤1:输入图像级标签的正常样本和像素级标注的原始缺陷样本,对正常样本进行非线性边缘柔和数据增强,生成像素级标注的合成缺陷样本;步骤2:构建分割子网络,提取多尺度特征图并融合缺陷分割掩码,生成多尺度融合特征表示;步骤3:构建分类子网络,引入聚焦浅层特征的交叉注意力模块恢复多尺度融合特征表示的微小缺陷细节;步骤4:采用混合监督训练策略,优化分割和分类任务的联合损失函数;利用训练后的分类子网络,输出缺陷概率预测。本发明能够减少标注工作量,降低成本,同时提高缺陷检测的准确性和鲁棒性。
技术关键词
表面缺陷检测方法
多尺度特征融合
图像级标签
融合特征
样本
联合损失函数
生成多尺度
注意力
网络
像素
语义特征
空间金字塔
非线性
矩阵
模块
数据
鲁棒性
策略
系统为您推荐了相关专利信息
语义理解系统
嵌入特征
视频特征提取
文本
子模块
损伤识别模型
光纤监测方法
频域特征
高斯混合模型
弯曲
CART决策树
决策树模型
皮尔逊相关系数
效率预测方法
微生物絮凝剂