基于旋转目标检测的缺陷检测方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114119610A(43)申请公布日2022.03.01(21)申请号202210083985.3G06V30/146(2022.01)(22)申请日2022.01.25G06K9/62(2022.01)(71)申请人合肥中科类脑智能技术有限公司地址230000安徽省合肥市高新区创新大道2688号中新大厦11层1102-B236(72)发明人张志勇汪旗赵裕成刘海峰王子磊(74)专利代理机构上海市锦天城律师事务所31273代理人陆少凡(51)Int.Cl.G06T7/00(2017.01)G06V20/00(2022.01)G06V10/25(2022.01)G06V10/80(2022.01)权利要求书3页说明书10页附图4页(54)发明名称基于旋转目标检测的缺陷检测方法(57)摘要本发明提供一种基于旋转目标检测的缺陷检测方法，包括：目标图像预处理，将预处理后的图像输入到网络的输入层，经过yolov5特征提取网络，输出特征一F1，特征图二F2，特征图三F3，特征图一、二、三分别通过多层高斯金字塔按照一定的权重系数进行相加，获得三个第一特征图；分别对第一特征图采样及采样后的特征进行Concat融合，使三个第一特征图融合成一个第二特征图Fconcat；对第二特征图Fconcat经过3CA层进行通道注意力计算进行第三特征融合，获得第三特征图；将所述第二特征图Fconcat和所述第三特征图进行点乘融合获得第四特征图；对第四特征图进行损失计算，通过模拟两个高斯分布之间的距离来确定提升检测性能和可视化效果、对于失焦图像检测鲁棒性，提升回归准确性。CN114119610ACN114119610A权利要求书1/3页1.一种基于旋转目标检测的缺陷检测方法，其特征在于，包括：目标图像预处理，针对检测目标图像制作缺陷类型数据集，采用多边形标注，标注多边形的最小外接矩形，生成标注后的目标框坐标和宽、高以及角度信息的标签；第一特征融合，将预处理后的图像输入到网络的输入层，经过yolov5特征提取网络，输出特征图一F1，特征图二F2，特征图三F3，对所述特征图一F1，特征图二F2，特征图三F3分别构建高斯金字塔，对构建后的高斯金字塔特征图按照权重系数进行相加，获得第一特征图，所述第一特征图包括F1_fuse、F2_fuse、F3_fuse；第二特征融合，分别对第一特征融合获得的第一特征图F1_fuse、F2_fuse进行上采样，对第一特征图F3_fuse以及上采样后的第一特征图F1_fuse、F2_fuse进行Concat融合，获得一个第二特征图Fconcat；第三特征融合，将获取的所述第二特征图Fconcat经过3CA层进行通道注意力计算，根据计算注意力权重获得第三特征图；第四特征融合，将所述第二特征图Fconcat和所述第三特征图进行点乘融合获得第四特征图；损失计算，对所述第四特征图进行损失计算，所述损失计算包括缺陷分类损失、目标有无损失、边框和角度回归损失，其中边框和角度回归损失通过模拟两个高斯分布之间的距离来确定。2.根据权利要求1所述的旋转目标检测的缺陷检测方法，其特征在于，对图像进行归一化处理，所述归一化处理为将标注后的目标框坐标除以图像宽、高值，过滤掉归一化后大于1的缺陷目标，用于提高训练模型的效率，加快损失函数的收敛。3.根据权利要求1所述的旋转目标检测的缺陷检测方法，其特征在于，第一特征融合时，所述高斯金字塔中的权重系数为M:N:L，其中，M≥N≥L。4.根据权利要求1所述的旋转目标检测的缺陷检测方法，其特征在于，还包括对第一特征图F1_fuse、F2_fuse进行上采样，对第一特征图中最小分辨率的特征图进行4倍上采样得到新的特征图F1_fuse_up，中等分辨率特征图进行2倍上采样得到新的特征图F2_fuse_up。5.根据权利要求1或3所述的旋转目标检测的缺陷检测方法，其特征在于，获得第一特征图的融合方式如下：采用第一层高斯金字塔对特征图一F1，特征图二F2，特征图三F3分别进行第一层高斯金字塔融合，得到特征图一F1、特征图二F2、特征图三F3分别对应的高斯金字塔特征图F1‑1、F2‑1、F3‑1，其中，高斯金字塔表达式为；采用第二层高斯金字塔分别对特征图F1‑1、F2‑1、F3‑1进行第二层高斯金字塔融合，分别得到对应的高斯金字塔特征图F1‑2、F2‑2、F3‑2；2CN114119610A权利要求书2/3页所述第一特征融合中特征图一F1、第一层高斯金字塔特征图、第二层高斯金字塔特征图的所述权重系数为0.5:0.3:0.2；其中，x,y为图像的像素坐标，x0,y0表示中心点坐标，σ为标准差，σ取值为1.0‑1.5。6.根据权利要求1所述的旋转目标检测的