一种基于多源特征的磁芯缺陷检测模型训练方法及系统.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115082434A(43)申请公布日2022.09.20(21)申请号202210857647.0G06N3/04(2006.01)(22)申请日2022.07.21G06N3/08(2006.01)(71)申请人浙江华是科技股份有限公司地址311122浙江省杭州市余杭区闲林街道嘉企路16号3幢1楼(72)发明人吴显德李军邹凡鲁杰雷明根(74)专利代理机构北京城烽知识产权代理事务所(特殊普通合伙)11829专利代理师王新月(51)Int.Cl.G06T7/00(2017.01)G06V10/24(2022.01)G06V10/80(2022.01)G06V10/82(2022.01)权利要求书3页说明书12页附图5页(54)发明名称一种基于多源特征的磁芯缺陷检测模型训练方法及系统(57)摘要本发明公开一种基于多源特征的磁芯缺陷检测模型训练方法及系统，其中，该方法包括：S101，获取目标磁芯的自然光成像图片和红外线成像图片并作为训练集进行模型训练，得到当前轮磁芯缺陷检测模型；所述模型训练包括：将两个图片进行位置校正，得到校正后的两个图片；将校正后的两个图片分别分成第一预设数量块，并一一对应进行融合，得到第一预设数量个融合特征块；可得到不同成像之间的关系，解决单一成像的局限性；将第一预设数量个融合特征块进行拼接、分块操作，降低缺陷误检和漏检，采用自注意力机制操作和全卷积操作，得到的特征图具有全局性。并且计算得到当前轮的损失值；S102，重复S101直至损失值在预设范围内波动，得到目标磁芯缺陷检测模型。CN115082434ACN115082434A权利要求书1/3页1.一种基于多源特征的磁芯缺陷检测模型训练方法，其特征在于，包括：步骤S101，获取目标磁芯的自然光成像图片和红外线成像图片并作为训练集进行模型训练，得到当前轮磁芯缺陷检测模型；所述模型训练包括：步骤S1011，将所述自然光成像图片和所述红外线成像图片进行位置校正，得到校正后的自然光成像图片和校正后的红外线成像图片；步骤S1012，将所述校正后的自然光成像图片和校正后的红外线成像图片分别分成第一预设数量块，并一一对应进行融合，得到第一预设数量个融合特征块；步骤S1013，将所述第一预设数量个融合特征块进行拼接，得到多源特征图；将所述多源特征图依次进行分块操作、自注意力机制操作、全卷积操作、卷积操作、融合操作得到总自注意力特征图；将所述总自注意力特征图输入到所述模型的检测头中进行检测，得到特征图中磁芯缺陷的位置以及所述当前轮磁芯缺陷检测模型；根据所述特征图中磁芯缺陷的位置与所述校正后的自然光成像图片或校正后的红外线成像图片中磁芯缺陷的位置计算损失值；步骤S102，重复步骤S101直至损失值在预设范围内波动，得到目标磁芯缺陷检测模型。2.根据权利要求1所述的方法，其特征在于，所述步骤S1012包括：将所述校正后的自然光成像图片和校正后的红外线成像图片分别分成第一预设数量块，并一一对应按通道连接，得到第一预设数量个通道叠加图片块；将所述第一预设数量个通道叠加图片块进行自注意力机制操作，得到第一预设数量个特征图中每个特征值的相关性；其中，所述相关性为特征图中一个位置的特征值与其他位置的特征值的关系；根据所述第一预设数量个特征图中每个特征值的相关性进行卷积操作，以使所述第一预设数量个通道叠加图片块的通道与所述校正后的自然光成像图片或校正后的红外线成像图片的通道相等，得到第一预设数量个融合特征块。3.根据权利要求2所述的方法，其特征在于：所述第一预设数量个融合特征块的计算公式为：其中，所述为一个融合特征块；所述为一个特征图中每个特征值的相关性，所述相关性为特征图中一个位置的特征值与其他位置的特征值的关系；为一个特征图上的每个特征值的位置与它关系最密切的特征值位置；为一个特征图；为卷积操作，以使一个通道叠加块的通道与所述校正后的自然光成像图片和红外线成像图片的通道相等。4.根据权利要求1所述的方法，其特征在于，所述步骤S1013包括：将所述第一预设数量个融合特征块进行拼接，得到多源特征图；2CN115082434A权利要求书2/3页将所述多源特征图划分为第二预设数量块，并将每一块进行自注意力机制操作，得到第二预设数量个自注意力特征图；将所述第二预设数量个自注意力特征图进行融合并进行全卷积操作得到第一块自注意力特征图；将所述第一块自注意力特征图划分为第三预设数量块，并将每一块进行自注意力机制操作，得到第三预设数量个自注意力特征图；将所述第三预设数量个自注意力特征图进行融合并进行全卷积操作得到第二块自注意力特征图；将所述第二块自注意力特征图划分为第四预设数量块，并将每一块进行自注意力机制操作，得到第四预设数量个自注意力特征