公开(公告)号：CN119228787B

公开(公告)日：2025-04-15

申请号：CN202411721346.0

申请日：2024-11-28

Applicant: 厦门理工学院

Inventor： 王晓栋 ,  汪佳玉 ,  严菲 ,  卢俊文 ,  曾志强 ,  曾念峰 ,  梁火炎

IPC: G06T7/00 ,  G06V10/774

Abstract: 本发明提出一种医疗注射器细微缺陷检测加速方法，包括：S1：采集医疗注射器图像数据集，并对数据集中的医疗注射器图像进行预处理；S2：将预处理后的数据集划分为训练集和验证集；S3：构建基于卷积神经网络的缺陷检测模型；S4：采用训练集对缺陷检测模型进行训练，并在训练过程中执行剪枝操作，再经验证集验证后得到紧凑模型；剪枝操作包括：按照滤波器对细微缺陷的敏感度排序将滤波器划分为细微缺陷组和显著缺陷组，对细微缺陷组中的滤波器进行剪枝；S5：采用紧凑模型实时检测医疗注射器上的缺陷。通过对缺陷检测模型进行分组剪枝，筛选对细微缺陷特征敏感的滤波器，确保在保留网络中对细微缺陷检测能力的前提下，提升检测速度。

公开(公告)号：CN119228787A

公开(公告)日：2024-12-31

申请号：CN202411721346.0

申请日：2024-11-28

Applicant: 厦门理工学院

Inventor： 王晓栋 ,  汪佳玉 ,  严菲 ,  卢俊文 ,  曾志强 ,  曾念峰 ,  梁火炎

IPC: G06T7/00 ,  G06V10/774

Abstract: 本发明提出一种医疗注射器细微缺陷检测加速方法，包括：S1：采集医疗注射器图像数据集，并对数据集中的医疗注射器图像进行预处理；S2：将预处理后的数据集划分为训练集和验证集；S3：构建基于卷积神经网络的缺陷检测模型；S4：采用训练集对缺陷检测模型进行训练，并在训练过程中执行剪枝操作，再经验证集验证后得到紧凑模型；剪枝操作包括：按照滤波器对细微缺陷的敏感度排序将滤波器划分为细微缺陷组和显著缺陷组，对细微缺陷组中的滤波器进行剪枝；S5：采用紧凑模型实时检测医疗注射器上的缺陷。通过对缺陷检测模型进行分组剪枝，筛选对细微缺陷特征敏感的滤波器，确保在保留网络中对细微缺陷检测能力的前提下，提升检测速度。