公开(公告)号：CN118570133A

公开(公告)日：2024-08-30

申请号：CN202410607048.2

申请日：2024-05-16

Applicant: 华中科技大学

Inventor： 唐立新 ,  冯时 ,  肖宇 ,  谭耀昌 ,  杨俊伟 ,  李昆洋

IPC: G06T7/00 ,  G06V10/774 ,  G06V10/764 ,  G06V10/80 ,  G06T7/10 ,  G06V10/75

Abstract: 本发明公开了一种基于孪生架构的光通信器件表面缺陷检测网络结构及检测方法，属于图像处理相关技术领域。该表面缺陷检测网络结构包括特征提取编码器和特征融合解码器；特征提取编码器由孪生ResNet残差网络、非缺陷特征匹配消除模块和缺陷特征增强模块构成；缺陷特征增强模块由Transformer编解码器和卷积三元组注意力模块组成；特征融合解码器采用多层感知机模块。利用改进的ResNet残差网络同时提取待测样本图像和模板样本图像的多尺度图像特征，消除非缺陷特征，得到差异特征图，经过缺陷特征增强和多层感知机处理，输出最终缺陷区域的分割结果。实现了对光通信器件表面缺陷区域精准快速的分割，显著提高了光通信器件的表面缺陷分割及缺陷检测的效率及精度。

公开(公告)号：CN117830780A

公开(公告)日：2024-04-05

申请号：CN202311850094.7

申请日：2023-12-29

Applicant: 华中科技大学

Inventor： 李斌 ,  刘保辉 ,  李威风 ,  牛通之 ,  王桢榕 ,  王苗 ,  冯时

IPC: G06V10/80 ,  G06V10/774 ,  G06V10/82 ,  G06N3/084

Abstract: 本发明属于图像处理技术领域，并具体公开了一种基于代理模型的缺陷检测损失函数权重优化方法及系统，其包括：S1、采集图像数据，并标记缺陷形成训练集；S2、确定用于缺陷检测的神经网络结构，并根据该神经网络结构确定代理模型；S3、确定候选损失函数，并将其加权结合为融合损失函数；S4、基于当前融合损失函数，通过训练集对代理模型进行训练，根据代理模型精度评估融合损失函数的性能；S5、根据性能评估结果对权重参数进行优化；S6、重复S4和S5，直到达到预设迭代停止条件，选择性能最佳的融合损失函数作为最终损失函数。本发明可为神经网络使用的融合损失函数选定合适的权重，从而提高模型在工业数据集上的性能。

公开(公告)号：CN116958156A

公开(公告)日：2023-10-27

申请号：CN202310700106.1

申请日：2023-06-13

Applicant: 华中科技大学

Inventor： 李斌 ,  王桢榕 ,  牛通之 ,  李威风 ,  牛拴龙 ,  王苗 ,  刘保辉 ,  林雨枫 ,  冯时

IPC: G06T7/10 ,  G06T7/00 ,  G06N3/082 ,  G06N3/09 ,  G06N3/0464 ,  G06V10/77 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明公开了自适应的工业表面缺陷分割网络建立方法及其应用，属于缺陷分割领域，包括：基于神经架构搜索，结合现有手工设计缺陷检测架构的先验知识，设计精简但适用于工业场景的有潜力的分割网络搜索空间，完成网络级搜索空间的设计；总结工业检测架构中常用操作，并额外添加通道注意力操作和空间注意力操作作为候选操作，构建网络中的基本单元，完成单元级搜索空间的设计；由于网络整体架构相对固定，因此，最终的搜索范围被简化为单元的结构，而不是整个网络，从而在时间资源有限的条件下，在更短的时间内完成具有良好性能的体系结构构建，大幅节约了网络设计成本。在此基础上，进一步对搜索策略进行了优化，能够进一步提高搜索效率。