CN114820579B 一种基于语义分割的图像复合缺陷的检测方法及系统 （广东工业大学）_第1页
CN114820579B 一种基于语义分割的图像复合缺陷的检测方法及系统 （广东工业大学）_第2页
CN114820579B 一种基于语义分割的图像复合缺陷的检测方法及系统 （广东工业大学）_第3页
CN114820579B 一种基于语义分割的图像复合缺陷的检测方法及系统 （广东工业大学）_第4页
CN114820579B 一种基于语义分割的图像复合缺陷的检测方法及系统 （广东工业大学）_第5页
已阅读5页，还剩21页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种基于语义分割的图像复合缺陷的检测据输入具有复合缺陷检测能力的语义分割网络2S1.构建基于经典DeepLab框架的语义分割网络模型，所述的语义分割网络模型的输S3.根据需要检测缺陷类型的数量n，相应的将预训练好的语义分割网络模型的输出S5.将待检测图像数据输入具有复合缺陷检测能力的语义分割网络模型进行缺陷检的空间金字塔池化模块包括4个卷积层和1个池化层；其中4个卷积层分别为3×3普通卷积所述的深度可分离卷积的计算参数量为:HP·WP·D1·(HC·WC+D)；3骤S4中，对第二图像数据集进行数据增强后再输入预训练好的语义分割网络模型进行训B1.将第二图像数据集中的图像随机划分为若干个由在训练过程中，根据设定的损失函数，计算语义分割网络模s"为训练中语义分割深度学习模型输出的预测图中所有的缺陷区域的叠加，seh为训练图像中所4[0003]现有技术通常采用到深度学习语义分割方法对获取的LCD屏幕图像进行检测。语[0005]LCD屏幕缺陷检测主要面临着手机屏幕存在纹理背景，对图像预处理与缺陷存在时需要及时地对算法的参数进行调整以实现最佳[0007]根据现有的一些用于缺陷检测的语义分割模型，比如采用经典的U-Net模型进行5[0017]S5.将待检测图像数据输入具有复合缺陷检测能力的语义分割网络模型进行缺陷[0018]优选的，所述的语义分割网络模型包括通过下采样从低维特征到高维特征的提6训练中语义分割深度学习模型输出的预测图中所有的缺陷区域的叠加，s4为训练图像像的缺陷类型数量为1，再通过第二图像数据集对预训练好的语义分割网络模型进行二次7[0057]S5.将待检测图像数据输入具有复合缺陷检测能力的语义分割网络模型进行缺陷[0061]在一个具体实施例中，所述的空间金字塔池化模块包括4个卷8先通过4个卷积层和1个池化层获得不同尺度的信息，然后将多个尺度一样的特征图叠加。[0074]S5.将待检测图像数据输入具有复合缺陷检测能力的语义分割网络模型进行缺陷[0077]在一个具体实施例中，所述的空间金字塔池化模块包括4个卷9C[0095]S6.将待检测图像数据输入具有复合缺陷检测能力的语义分割网络模型进行缺陷[0098]在一个具体实施例中，所述的空间金字塔池化模块包括4个卷像数据集上的新模型后继续训练。为了解决工程问题中的数据集欠缺和分类数多变的问训练中语义分割深度学习模型输出的预测图中所有的缺陷区域的叠加，为训练图像的预测缺陷掩膜图与标注的缺陷标签的检测误差,并将误差反向传播更新模型的参数。损第一图像的缺陷类型数量为1，再通过第二图像数据集对预训练好的语义分割网络模型进

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论