专利类型：

发明公开

申请(专利)号：

CN202310196836.2

申请日：

2023-03-03

申请公布号：

CN116433593A

申请公布日：

2023-07-14

申请人：

江苏科技大学

地址：

212008 江苏省镇江市京口区梦溪路2号

发明人：

赵超;束鑫;严熙;诸峰;左欣;范燕

专辑：

信息科技

专题：

计算机软件及计算机应用

主分类号：

G06T7/00

分类号：

G06T7/00;G06V10/764;G06V10/774;G06V10/80;G06V10/82;G06N3/04;G06N3/08

国省代码：

32

页数：

10

代理机构：

南京苏高专利商标事务所(普通合伙)

代理人：

柏尚春

主权项：

1.一种基于RDD-YOLO算法的钢铁表面缺陷检测方法,其特征在于,包括以下步骤：(1)在带钢表面缺陷图像数据集获取数据样本,将数据样本以特定比例划分训练集与测试集；并对训练集中的图像进行预处理；(2)构建基于RDD-YOLO算法的钢铁表面缺陷检测模型,所述钢铁表面缺陷检测模包括backbone部分、neck部分和head部分；所述backbone部分使用Res2Net网络结构模块替换YOLOv5原始backbone网络中的模块CSP-n；所述neck部分采用双重特征金字塔特征融合模块DFPN；所述head部分使用解耦头DecoupledHead替换YOLOv5中原有的检测头；(3)利用训练集对钢铁表面缺陷检测模型进行训练,获取最优检测模型；(4)利用训练得到的最优检测模型对测试集中的图片进行检测；(5)对测试集的检测结果进行检测精度和速度评价；评价指标包括全类平均精度mAP和每秒检测帧数FPS。

摘要：

本发明公开了一种基于RDD-YOLO算法的钢铁表面缺陷检测方法,包括：使用Res2Net模块替换YOLOv5的原始backbone网络中的模块CSP-n以加强特征提取能力；在YOLOv5的Neck部分设计了一个新的特征融合模块双重特征金字塔特征融合模块DFPN,用于融合不同尺度的特征图,进一步提取特征图中的信息；在head部分采用了解耦头的结构来替换原有的YOLOv5检测头。本发明构建双重特征金字塔特征融合模块DFPN以充分利用网络中的所有信息,使其更精细地融合特征,缓解钢铁表面缺陷尺度大小不一的问题；使用DecoupledHead解耦头能够使分类任务与定位框的回归任务分离开,从而使预测更加精准；本发明可用于对复杂场景下钢铁表面缺陷检测任务,并且检测精度较传统的模型有较大的提升。