摘要
本发明提供了一种基于超图对比学习的SMT焊点检测方法,包括获取输入图像集,从输入图像集中提取出多模态特征集合。将多模态特征集合输入条件扩散模型,采用交叉注意力机制融合多种模态的特征,生成焊点样本集。基于多模态特征集合和焊点样本集构建超图结构,对超图结构进行超图卷积,提取出超图节点特征集。采用多层次注意力融合机制融合多模态特征集合和超图节点特征集,基于融合特征,采用知识蒸馏技术训练学生网络,采用学生网络检测SMT焊点。条件扩散模型生成的焊点样本集扩充了训练数据,提高了模型的泛化能力。层次注意力融合机制可以整合多模态和结构化信息,提供更全面且鲁棒性更高的特征表示,学生网络具有实时检测SMT焊点的优点。
技术关键词
焊点检测方法
节点特征
交叉注意力机制
知识蒸馏技术
融合特征
样本
网络
矩阵
学生
教师
可见光图像
融合多模态特征
特征提取模块
多层次
层次注意力
系统为您推荐了相关专利信息
情感分析模型
多尺度特征提取
融合语义信息
情感分析方法
模态特征
表格识别方法
多任务损失函数
混合网络
实体
邻域
矿车轨道
异物检测方法
文本特征向量
深度神经网络检测
模态特征