CN113822885B 融合多注意力机制的工件缺陷检测方法和装置 （常州微亿智造科技有限公司）

融合多注意力机制的工件缺陷检测方法和本发明提供了一种融合多注意力机制的工件缺陷检测方法和装置，所述方法包括以下步目标检测图像进行标注和扩增得到二次目标检2构建多注意力缺陷检测模型，所述多注意力缺陷检测模采用训练后的所述多注意力缺陷检测模型对所述待检测工件进所述金字塔分割注意力机制模块和所述通道注意力机制模块处理输入特征图以得到第一其中，利用所述空间自注意力机制模块处理所述第差矩阵；将所述协方差矩阵和所述第三向量相乘得到第四向量；对所述第四向量进行根据所述金字塔分割注意力机制模块、所述通道注意力机制模块将所述融合多注意力机制模块嵌入所述Unet网络模型得到所述多注意力缺陷检测模述金字塔分割注意力机制模块和所述通道注意力机制模块处理输入特征图以得到第一特对所述多组通道融合特征图进行Squeez对所述多尺度通道特征图进行Excitation、Sigmoid、Softma3根据所述多尺度通道特征图的通道注意力权重对所述多组通道融合特征图进行加权，建模模块，所述建模模块用于构建多注意力缺陷检测第二处理模块，所述第二处理模块用于将所述二训练模块，所述训练模块用于根据所述训练检测模块，所述检测模块用于采用训练后的所述多注意力缺陷检其中，所述建模模块用于根据所述金字塔分割注意力机制模块空间自注意力机制模块处理所述第二特征图以得到其中，利用所述空间自注意力机制模块处理所述第差矩阵；将所述协方差矩阵和所述第三向量相乘得到第四向量；对所述第四向量进行5.一种计算机设备，包括存储器、处理器处理器执行时实现根据权利要求1-3中任一项所述的融合多注意力机制的工件缺陷检测方4[0004]本发明为解决上述技术问题，提供了一种融合多注意力机制的工件缺陷检测方训练后的所述多注意力缺陷检测模型对所述待检测工件进5述多组通道特征图进行融合得到多组通道融合特征图；对所述多组通道融合特征图进行Squeeze特征压缩以得到多尺度通道特征图；对所述多尺度通道特征图进行Excitation、[0010]根据本发明的一个实施例，对所述第一特征图进行池化卷积处理得到第二特征构建多注意力缺陷检测模型，所述多注意力缺陷检测模型包括金字塔分割注意力机制模用于采用训练后的所述多注意力缺陷检测模型对所述待检测工件进6[0028]需要说明的是，本发明的多注意力缺陷检测模型是以Unet网络模型为基础构建力机制模块替换Unet网络模型的解码器结构中的所字塔分割注意力机制模块的输出特征图，并且三个分支结构的输出特征图可经过分类相7[0044]具体地，可对1*1*C特征图进行Excitation操作，即经过两个FC（Fully对1*1*C特征图中的有益特征通道进行增强，并对1*1*C特征图中的无用特征通道进行抑[0047]S106，根据多尺度通道特征图的通道注意力权重对多组通道融合特征图进行加[0049]如图4所示，对第一特征图进行池化卷积处理得到第二特征图，具体包括以下步8测工件的目标检测图像，经过多注意力缺陷检测模型中保留的Unet网络模型进行特征提9取得到的深层次特征图，即尺寸为56*56*512的特征图可与下采样提取得到的浅层次特征[0066]更进一步地，融合多注意力机制模块输出的特征图可经过1*1的卷积降维得到分相同的目标检测图像分别输入现有检测模型，例如Mask-RCNN（MaskRegion-basedConvolutionalNeuralNetwork，掩膜基于区域的卷积神经网络）、CascadeMaskRCNN[0073]如图7所示，本发明实施例的融合多注意力机制的工件缺陷检测装置包括建模模用训练后的多注意力缺陷检测模型对待检测工件建多注意力缺陷检测模型，并通过该多注意力缺陷检测模型对待检测工件进行缺陷检测，[0081]根据本发明实施例的非临时性计算机可读存储介质，既具有Unet网络模型的轻可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装连接部（电子装置便携式计算机盘盒（磁装置随机存取存储器（RAM只读存储器[0089]本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步