公开(公告)号：CN113344847B

公开(公告)日：2023-10-31

申请号：CN202110432409.0

申请日：2021-04-21

Applicant: 安徽工业大学

Inventor： 王培珍 ,  曹静 ,  薛子邯 ,  陆凡凡

IPC: G06T7/00 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/082 ,  G06N3/096 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明公开了一种基于深度学习的长尾夹缺陷检测方法及系统，属于图像处理技术领域，包括以下步骤：S1：构建样本数据集；S2：获取预训练模型；S3：构建长尾夹缺陷检测识别模型；S4：进行检测识别。本发明以YOLOv4‑Tiny网络作为基础网络，通过迁移学习共享预训练网络中的权值参数，并添加全局空间注意力机制模块，提高特征表征能力，能够较为准确的对长尾夹缺陷图像实现检测识别，在进行图像缺陷检测效果对比实验中，表现出了较好的检测效果，其中mAP值指标达到了91.66％，实现了长尾夹缺陷图像的检测识别，为后续实现长尾夹检验及反馈系统打下基础，值得被推广使用。

公开(公告)号：CN114581907A

公开(公告)日：2022-06-03

申请号：CN202210010448.6

申请日：2022-01-06

Applicant: 安徽工业大学

Inventor： 王培珍 ,  刘林 ,  陆凡凡 ,  杨志豪 ,  张峰

IPC: G06V20/69 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于改进MobileNetV3的煤岩惰质组显微图像分类方法及系统，该方法包括：S1，采集并扩充样本数据集，划分为训练集和测试集；S2，以MobileNetV3‑large网络作为基础网络，使用Ghost瓶颈代替原来的瓶颈层，并使用CBAM注意力机制模块代替原来的SE模块，得到改进后的MobileNetV3网络模型，并采用训练集对改进后的MobileNetV3网络模型进行训练，调整网络参数得到煤岩惰质组显微组分识别模型；S3，利用煤岩惰质组显微组分识别模型以及Softmax分类器对煤岩惰质组显微图像进行显微组分分类。本发明通过改进MobileNetV3网络，得到更加轻量的、准确率更高的网络模型，能够降低模型参数量并提高煤岩惰质组分类的准确率。

公开(公告)号：CN113344847A

公开(公告)日：2021-09-03

申请号：CN202110432409.0

申请日：2021-04-21

Applicant: 安徽工业大学

Inventor： 王培珍 ,  曹静 ,  薛子邯 ,  陆凡凡

IPC: G06T7/00 ,  G06N3/04 ,  G06N3/08 ,  G06K9/62

Abstract: 本发明公开了一种基于深度学习的长尾夹缺陷检测方法及系统，属于图像处理技术领域，包括以下步骤：S1：构建样本数据集；S2：获取预训练模型；S3：构建长尾夹缺陷检测识别模型；S4：进行检测识别。本发明以YOLOv4‑Tiny网络作为基础网络，通过迁移学习共享预训练网络中的权值参数，并添加全局空间注意力机制模块，提高特征表征能力，能够较为准确的对长尾夹缺陷图像实现检测识别，在进行图像缺陷检测效果对比实验中，表现出了较好的检测效果，其中mAP值指标达到了91.66％，实现了长尾夹缺陷图像的检测识别，为后续实现长尾夹检验及反馈系统打下基础，值得被推广使用。