CN119444755A 电梯钢带的表面缺陷的检测方法及系统 （中国计量大学）

本发明公开了一种电梯钢带的表面缺陷的于复杂数据集与对YOLOv8n模型进行模型优化，以及电梯钢带表面故障检测模型输出电梯钢带进行优化，从而输出电梯钢带表面故障检测模钢带表面故障检测模型输出电梯钢带的表面故2获取电梯钢带的表面图像，该电梯钢带的表面图像基于多个场采集电梯钢带的待检测图像，并根据电梯钢带的待检测图像以及电梯基于电梯钢带的拍摄而输出电梯钢带的表面图像电梯钢带的朝向以及电梯钢带所在的场景的多重配合而输出定格YOLOv8n模型中的卷积模块，并将可变形卷DCNv2模块对卷在可变形卷积DCNv2中，通过引入偏移量和可变形的卷积核，让YO图中的位置，是采样点相对于p的偏移量，是从可变形卷积中学习得到的偏移量；3通过高斯核函数来计算每对局部区域之间的相关性得分，同时，通过对相关性得分进行指数化和归一化处理，得到每对局部区域之间的注意力权重公式为：其中，Fusedtenton(x)表示局部关注，Globaldtenton(-;)表示全局关注，d表示融合4根据电梯钢带的待检测图像以及电梯钢带表面故障检测模型输出电梯钢带的表面故测系统应用于如权利要求1_9中任一所述的电梯钢带的表面缺陷的检测方法，所述电梯钢获取模块，用于获取电梯钢带的表面图像，该电梯钢带的表面表面故障模块，用于采集电梯钢带的待检测图像，并根据电梯钢5连接电梯轿厢和驱动机的部件，电梯钢带的主要作用是在电梯运行中,将轿厢从电机处引基于复杂数据集与对YOLOv8n模型进行模型优化，并输出电梯钢带表面故障检测根据电梯钢带的朝向以及电梯钢带所在的场景的多重配合而输出6定格YOLOv8n模型中的卷积模块，并将可变形卷DCNv2模块对卷积模块进行替换，7其中，Fusedtenton(x)表示局部关注，Globaldtenton(-;)表示全局关注，表示根据电梯钢带的待检测图像以及电梯钢带表面故障检测模型输出电梯钢带的表8梯钢带的表面图像基于多个场景以及多个角度进行采集；将多个表面图像形成复杂数据图2是本发明实施例中的电梯钢带的表面缺陷图3是本发明实施例中的电梯钢带的表面缺陷图4是本发明实施例中的电梯钢带的表面缺陷图5是本发明实施例中的电梯钢带的表面缺9梯钢带的表面图像基于多个场景以及多个角度进行采集；将多个表面图像形成复杂数据向以及电梯钢带所在的场景，根据电梯钢带的朝向以及电梯钢带所在的场景进行多重配便于对复杂数据集进行处理，此时，基于无监督学习的GAN对复杂数据集进行数据增强处的卷积层将局部关注和全局关注进行特征融合，自注意力融合的过程可以用以下公式表其中，Fusedtenton(x)表示局部关注，Globaldtenton(-;)表示全局关注，d表示[0035]另外，为了解决电梯钢带典型失效模式检测在分类和定位时存在的特征冲突问经ReLU和Sigmoid激活后的特征图与TD模块产生的特征图相乘，生成了3个不同的分类结面故障检测模型输出电梯钢带的表面故障信息，电梯钢带的表面故障信息包括磨损裸露、第十层SPPF_LSKA模块，对输入的特征图进行大型可分离核注意力与空间金字塔梯钢带的表面图像基于多个场景以及多个角度进行采集；将多个表面图像形成复杂数据[0051]存储单元42可以包括易失性存储单元形式的可读介质，例如随机存取存储单元[0056]本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可