一种面向管道内表面缺陷图像的跨粒度小样本分割方法

    公开(公告)号:CN117541792A

    公开(公告)日:2024-02-09

    申请号:CN202311634481.7

    申请日:2023-12-01

    Applicant: 东北大学

    Abstract: 本发明提供一种面向管道内表面缺陷图像的跨粒度小样本分割方法,涉及基于机器视觉的无损检测技术领域。该方法的核心思路是:在面对无缝钢管道内表面缺陷类别和数量稀疏的情况下,构建跨粒度小样本分割网络模型,包括:特征提取网络,支持集先验模块、支持集注意力模块、三联体原型模块、多尺度细化解码器、以及若干个卷积模块;采用多维支持集特征图聚合策略,全面激活缺陷支持集图像中的缺陷信息;利用特征融合方法将多维支持集特征图与查询集特征图进行融合;使用多尺度细化解码器来对融合后的特征图进行特征解码后用卷积分割头进行分割。本发明方法在样本类别少、样本数量不足以及缺陷类间相似度高等不利场景下仍能取得良好分割效果。

    一种面向螺旋钢管焊缝内部极小缺陷的细粒度分割方法

    公开(公告)号:CN119540257A

    公开(公告)日:2025-02-28

    申请号:CN202411608884.9

    申请日:2024-11-12

    Applicant: 东北大学

    Abstract: 本发明提供一种面向螺旋钢管焊缝内部极小缺陷的细粒度分割方法,涉及基于机器视觉的无损检测技术领域。该方法在面对静态场景下螺旋钢管焊缝内部极小缺陷难以判别的情况下,构建细粒度极小缺陷分割网络模型,包括特征提取网络、语义判别编码器、对比转换机制、渐进迭代解码策略及若干个卷积模块,设计了一种语义判别体系结构,以语义为导向自适应初始化特征,缓解缺陷规模差异;引入对比转换机制对缺陷特征进行动态优化;最后,采用渐进迭代解码策略对融合后的特征图进行细粒度像素级分割。该方法在样本类别分布不平衡、极小缺陷分布密集、像素冗余和背景干扰等不利场景下仍能取得良好分割效果,并且有效提高了网络的分割性能。

Patent Agency Ranking