CN119515793A 基于语义分割的工业焊缝缺陷检测方法 （浙江工商大学）_第1页
CN119515793A 基于语义分割的工业焊缝缺陷检测方法 （浙江工商大学）_第2页
CN119515793A 基于语义分割的工业焊缝缺陷检测方法 （浙江工商大学）_第3页
CN119515793A 基于语义分割的工业焊缝缺陷检测方法 （浙江工商大学）_第4页
CN119515793A 基于语义分割的工业焊缝缺陷检测方法 （浙江工商大学）_第5页
已阅读5页，还剩32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

本发明公开了一种基于语义分割的工业焊义分割网络模型，使用注意力机制聚焦缺陷区函数作为指标对语义分割网络模型进行训练；2A2：确定图像划分张数，根据划分张数获得图像平均宽度，判断宽度B1：确定图像基本宽度和识别多余像素数，所述基本宽度通过失函数为一种采用特定权重进行组合的损失函数，用于指导模型精准学习各类别的边界，CEDice3S42：对切割后的待测焊缝图像依次进行对比度拉伸、自适应直方图均衡化和伽马校S44：根据预测后切割的图像编号，将每一个切片还原到原始待测焊缝图像对应的位45[0020]RRC模块：用于进行轻量级的卷积，在卷积层间解耦后进一步对错层信息进行融[0021]CRA模块：用于增强模型在处理图像语义分割任务时的空间关联性和上下文捕捉67[0067]计算膨胀区域的最小外接矩形的边界坐标，包括矩形的上边界和下边界的行位[0069]使用LabelMe标签制作工具制作对应的像素级缺陷图像标注，作为焊缝缺陷图像8[0074]1.0<＝ar<1.5____的处理方式并非简单地将所有图片直接裁剪至256*256像素的尺寸，在焊缝图像的剪裁流9保在忽略多余像素时，各部分的宽度保持一致，多余像素数通过模运算(width％split_实现快速和有效的空间特征提取，然后将特征图传递到Transformer层中进行进一步的全ppp视为整个特征图的代表进行计算变为在C上的每个通道使用独立的的k*k个卷积对特征图ppp对这种情况，本发明设计了一种区域选择的路由机制CRA模块(ChooseRegionAttention)，qKVKVDij的每一行表示了该特定区域与图像中所有其他区域的[0133]本发明进一步采用top_n策略来细化每个区域应关注的主要区域，通过选择Dij中[0137]在焊缝缺陷语义分割任务中，传统单一的损失函数往往难以全面应对所有挑交叉熵损失虽然能有效指导模型学习类别边界，但在处理类别不平衡问题时显得力不从该组合损失函数不仅能够指导模型精准学习各类别的边界，还能有效应对类别不平衡问[0146]鉴于焊缝缺陷区域相对于背景区域较小，类别不平衡问题显著，本发明引入了Dice系数损失(DiceLoss)以加强模型对小目标缺陷的检测能力。Dice损失直接优化预测[0163]对切割后的待测焊缝图像依次进行对比度拉伸、自适应直方图均衡化和伽马校[0164]对图像应用对比度拉伸技术。这一步骤通过调整图像的亮度和对比度来增强细加对比度。比如可以使用OpenCV的cv2.convertScaleAbs()函数确保图像数据的类型适合CLAHE的参数(如clipLimit＝1.0和tileGridSize＝(8,8))控制均衡化的强度和局部处理它们从模型处理时统一的256x256尺寸调整回原始图片的实际尺寸，并确保来自同一张图

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