公开(公告)号：CN112785525B

公开(公告)日：2022-08-16

申请号：CN202110106827.0

申请日：2021-01-26

Applicant: 桂林电子科技大学

Inventor： 杨辉华 ,  梁智滨 ,  赵文义 ,  陈文丽 ,  颜振翔

IPC: G06T5/00 ,  G06T7/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于刀具刃口图像处理领域，具体是指一种基于深度学习去除刀具刃口图像中的附着物的方法及系统，包括采集含附着物和擦拭干净的刀具刃口图像并生成数据集，其特征为，还包括以下步骤，步骤一，采用卷积和激活函数对输入的含附着物图片的浅层特征提取和通道提升；步骤二，采用长短期记忆网络提取附着物递归去除过程中的时序信息；步骤三，对输入的含附着物图片的引入自注意力模块进行深层特征提取；步骤四，通过的卷积，整合通道的特征，输出图像。该方法降低了90%参数量和计算量，符合工业现场的速度需求；提高了特征图通道中的附着物定位能力，使附着物与刀具边缘的衔接部分更平滑，去除效果显著，提升了刀具豁口检测系统精度。

公开(公告)号：CN112785525A

公开(公告)日：2021-05-11

申请号：CN202110106827.0

申请日：2021-01-26

Applicant: 桂林电子科技大学

Inventor： 杨辉华 ,  梁智滨 ,  赵文义 ,  陈文丽 ,  颜振翔

IPC: G06T5/00 ,  G06T7/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于刀具刃口图像处理领域，具体是指一种基于深度学习去除刀具刃口图像中的附着物的方法及系统，包括采集含附着物和擦拭干净的刀具刃口图像并生成数据集，其特征为，还包括以下步骤，步骤一，采用卷积和激活函数对输入的含附着物图片的浅层特征提取和通道提升；步骤二，采用长短期记忆网络提取附着物递归去除过程中的时序信息；步骤三，对输入的含附着物图片的引入自注意力模块进行深层特征提取；步骤四，通过的卷积，整合通道的特征，输出图像。该方法降低了90%参数量和计算量，符合工业现场的速度需求；提高了特征图通道中的附着物定位能力，使附着物与刀具边缘的衔接部分更平滑，去除效果显著，提升了刀具豁口检测系统精度。