CN119313669B 一种带钢表面缺陷区域尺寸测量方法 （洛阳理工学院）

计算缺陷区域的实际尺寸；缺陷识别模型以性聚焦注意力机制形成C2F_FLA模块，关注到图Neck网络部分采用双向加权特征金字塔网络结2所述的缺陷识别模型以YOLOv8s为基础，通过YOLOv8s的骨干网络多个融入线性聚焦注意力机制的FLABottleNeck模块处理后与另一部分在通道维度上进行所述的小波卷积模块将其输入分为两路进行处理，其中一路进行小度卷积层处理后得到一个低频和三个高频通道，每个通道的分辨率都是原来的二分之一，2.如权利要求1所述的一种带钢表面缺陷区域尺寸测量方法，其特征在于：所述FLABottleNeck模块中卷积层的核大小为3x3。卷积模块中采用一阶Daubechies小波对输入卷积模块中采用5x5的深度卷积层进行处理。小波下采样模块对其输入进行小波分解，将得到的一个低频部分和三个高频部分进行拼3[0001]本发明涉及缺陷尺寸测量方法，具体的说是一种带钢表面缺陷区域尺寸测量方[0003]对带钢表面缺陷进行检测以及测量缺陷区域尺寸，需要有高精度的缺陷检测算C2F模块中融入线性聚焦注意力机制形成C2F_FLA模块，用以对输入的图像进行特征提取；经过多个融入线性聚焦注意力机制的FLABottleNeck模块处理后与另一部分在通道维度上用线性聚焦注意力模块计算全局权重，其结果与FLABottleNeck模块的输入拼接后得到输4Haar小波多尺度无损快速信号分解的优点，使得模型在下采样过程中尽可能保留有效信实施例所列出的具体内容不限于权利要求记载的技术方案要解决的技术问题所必须的技5提取输入图像中的特征信息，Neck网络部分用于将提取到的不同维度的特征进行处理和融中，C2F_FLA模块为在原YOLOv8s的C2F模块中融入线性聚焦注意力机制（FocusedLinearFLABottleNeck模块处理后与另一部分在通道维度上进行拼接（Concat之后在经过一个Conv卷积层处理后输出。其中，FLABottleNeck模块先将其输入通过一个核大小为3×3的后经线性变换所形成的一维序列个数，c表示K的注意力头的通道数；DWC为深度卷积；6[0035]如图1所示，Neck网络部分的WT_BiFPN结构中，采用Merge模块进行数据融合，重归一化，得到一组范围在0~1的权重。最后分别将这组权重与对应的待融合的特征层相[0043]带钢表面缺陷中的轧制氧化皮（Rolled_inScale,RS）、点蚀表面（Pitted7发明使用Haar小波下采样模块HWD来取代骨干网络和Neck网络部分原有的普通卷积下采样[0044]小波下采样模块HWD的计算过程如图4所示，首先是无损特征编码块（lossless络的特征提取能力。从第一组与第三组的对比可以看出，引入WT_BiFPN模块后mAP提升了大的缺陷的检测能力，即有效提高了模型的多尺度融合能力和捕获缺陷轮廓信息的能力。8从第三组与第五组、第四组与第八组的对比可以看出，在引入HWD模块后mAP分别提升了Inclusion的mAP提高了6.52%，证明本发明方法对带钢表面缺陷检测精度低的问题有所改[0050]将本发明的模型与经典目标检测算法以及针对带钢表面缺陷检测的优秀算法进SRN_YOLO和SCRL_EMD_FR是先前的研究者在YOLO算法的基础上针对带钢表面缺陷检测问题[0053]图6显示了在三幅图片上使用C2F和C2F_FLA模块所捕获特征的热力图对比，可以三幅图片原始输入数据的真实标签，第二和三列分别为基准模型YOLOv8s和本发明对三幅[0055]以上对具体实施方式的说明只是用于帮助理解本发明的9