一种纺织物表面缺陷检测方法及相关设备

    公开(公告)号:CN116385426A

    公开(公告)日:2023-07-04

    申请号:CN202310476352.3

    申请日:2023-04-28

    Applicant: 中南大学

    Inventor: 李海霞 邓晓衡

    Abstract: 本发明提供了一种纺织物表面缺陷检测方法及相关设备,包括:采集纺织物的表面缺陷图像测试集;将表面缺陷图像测试集输入至改进的Yolov7网络进行训练,得到目标检测最优模型;将待检测的纺织物表面图像输入至目标检测最优模型进行表面缺陷检测,得到检测结果;改进的Yolov7网络包括:输入模块、用于特征提取的骨干模块、用于特征融合的头部模块、用于检测小缺陷的检测模块和用于缺陷类别预测的预测Transformer预测头;相较与现有技术来说,使用Transformer预测头代替原始预测头,进一步探索模型的预测潜力,再增加一个检测模块,使得模型对纺织物小缺陷更加敏感,提升了目标检测的精度和性能。

    一种基于centernet的anchor-based目标检测方法

    公开(公告)号:CN111553348A

    公开(公告)日:2020-08-18

    申请号:CN202010340219.1

    申请日:2020-04-26

    Applicant: 中南大学

    Abstract: 本发明公开了一种基于centernet的anchor-based目标检测方法。方法以关键点检测为基础,针对检测到的关键点通过anchor回归图像中目标的大小。以关键点确定目标位置的方式减少了anchor之间的互相干扰,并以此为基础减少传统anchor-based算法中非极大值抑制的算法复杂度。和传统单阶段anchor-based目标检测算法的不同之处在于本发明是以关键点检测为基础,非极大值抑制作用的对象是检测到的关键点所对应的预测框,两者相比,本发明提出的方法大大减少了非极大值抑制的计算量和设置超参数阈值的步骤,省去了调节模型的工作量。

    基于注意力机制的点击率预测方法

    公开(公告)号:CN111538761A

    公开(公告)日:2020-08-14

    申请号:CN202010317646.8

    申请日:2020-04-21

    Applicant: 中南大学

    Abstract: 本发明提供了一种基于注意力机制的点击率预测方法,包括:步骤1,对用户的特征进行预处理,将同一类用户特征进行One-hot独热编码,得到一个高维度的稀疏特征向量;步骤2,将高维度的稀疏特征向量通过嵌入向量对特征向量进行降维,将降维后的特征向量作为点击率模型的输入向量分别带入到压缩交互网络和深度神经网络之中;步骤3,将输入的初始特征向量与每一个隐藏层的输入向量进行哈达玛积,将得到的结果作为下一个隐藏层输入值,每多一个隐藏层,特征之间的组合就上升一个维度。本发明综合考虑了用户的低维特征、显式高维特征和隐式高维特征,并通过自注意力机制筛选有用的特征组合,提高预测效率,不需要人工提取特征,可以提取高维度的特征组合。

    基于深度学习的金属表面缺陷检测方法

    公开(公告)号:CN111523540A

    公开(公告)日:2020-08-11

    申请号:CN202010306489.0

    申请日:2020-04-17

    Applicant: 中南大学

    Abstract: 本发明提供了一种基于深度学习的金属表面缺陷检测方法,包括:步骤1,根据金属缺陷零件大小确定相机和光源型号,搭建好光源和相机的取图环境,进行图像采集;步骤2,对采集的图像进行数据集标注和数据集增强,并输入到混合特征金字塔网络结构中,进行特征提取;步骤3,将得到的每一层的特征图输入到RPN网络中,进行候选区域选取。本发明所提供的基于深度学习的金属表面缺陷检测方法,实现自动对生产线输入图像进行检测和缺陷识别定位,特征自动提取,消除手工特征提取带来的负影响,克服了机器视觉中受环境因素影响较大的缺点,混合特征金字塔网络结构针对较小目标以及多尺度问题有更好的表现。

Patent Agency Ranking