摘要
本发明公开了一种基于轻量级显著性检测模型的扁平材表面质量检测方法、设备及介质,涉及图像识别领域,所述检测方法包括以下步骤:S1、标注扁平材表面残损数据集,划分为训练集与测试集;S2、构建轻量级显著性检测模型;S3、构建损失函数,采用深监督策略对解码器各阶段输出特征图生成预测并计算损失;S4、利用训练集训练检测模型;S5、推理获得表面缺陷的显著图。本发明通过构建以尺度自适应特征提取模块为核心的轻量级骨干网络,模型参数量仅有2.29M,在保持轻量化架构的同时,达到62fps的推理速度,能够高效提取扁平材表面缺陷的关键特征,满足工业生产线对高速检测的需求,确保在不牺牲精度的前提下达成实时检测目标。
技术关键词
表面质量检测方法
显著性检测模型
输出特征
多尺度特征
扁平
训练检测模型
解码器
特征提取模块
金字塔池化模块
阶段
材表面缺陷
轻量化架构
分支
编码器特征
全局平均池化
工业生产线
处理器
可读存储介质