摘要
本发明公开了基于多尺度特征融合的工业表面缺陷检测方法,包括:通过多模态传感器阵列实时采集被测表面多源数据,经时空同步与去噪形成结构化数据集;构建自适应几何校正模型实现多尺度特征的空间变换与尺度归一化,经双流解码网络的纹理与物理属性支路协同实现跨模态对齐与初步融合;基于缺陷物理模型对融合特征动态重加权,强化物理机制缺陷表征并抑制干扰;结合光流补偿与三维卷积提取时空演化特征,形成动态缺陷表征;最终通过分类模型结合工艺参数库输出缺陷类型与严重程度评估;进而增强了该方法对复杂工业环境的适应性,可在不同材质、光照条件及动态干扰下保持检测稳定性。
技术关键词
表面缺陷检测方法
多尺度特征融合
多模态传感器
演化特征
纹理特征提取
物理
融合特征
跨模态
多任务学习网络
断裂力学模型
工业相机标定
Gabor滤波
解码网络
激光测距仪
空间变换网络
结构光传感器
运动补偿
分类模型识别
系统为您推荐了相关专利信息
卷积模块
蒸馏
深度卷积神经网络
果实
多尺度特征融合
壁纸
控制系统
多尺度特征融合
分类卷积神经网络
行车记录仪
表面缺陷检测方法
表面缺陷检测系统
纺织品生产线
集群
图像增强技术
机械臂控制器
协同作业方法
多模态传感器
数据
多区域
警用无人
风险
预警模块
多模态传感器系统
数据采集模块