专利类型：

发明公开

申请(专利)号：

CN202310318437.9

申请日：

2023-03-28

申请公布号：

CN116342542A

申请公布日：

2023-06-27

申请人：

安徽工业大学

地址：

243032 安徽省马鞍山市经济技术开发区南区嘉善科技园2号楼

发明人：

王兵;刘佳;李健;汪文艳;卢琨;吴紫恒;周郁明;马小陆

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;G06V10/82;G06V10/774;G06V10/80;G06N3/045;G06N3/0464

国省代码：

34

页数：

16

代理机构：

合肥昊晟德专利代理事务所(普通合伙)

代理人：

何梓秋

主权项：

1.一种基于轻量级神经网络的钢铁产品表面缺陷检测方法,其特征在于,包括以下步骤：S1：样本预处理从数据库中获取钢铁产品表面缺陷样本,并对样本进行预处理；S2：模型构建基于YOLOv4-tiny模型,将Darknet53-tiny网络作为特征提取网络,构建包含改进的金字塔特征融合模块的钢铁产品表面缺陷目标检测模型；S3：模型训练对钢铁产品表面缺陷目标检测模型中特征提取网络的参数采用在ImageNet数据集上训练好的参数进行初始化,并用训练样本训练钢铁产品表面缺陷目标检测模型,并保存训练后的钢铁产品表面缺陷目标检测模型权重参数；S4：缺陷检测用训练后钢铁产品表面缺陷目标检测模型对测试样本进行测试,并输出检测结果。

摘要：

本发明公开了一种基于轻量级神经网络的钢铁产品表面缺陷检测方法,属于钢材表面缺陷检测技术领域,包括以下步骤：从数据库中获取钢铁产品表面缺陷样本,并对样本进行预处理；基于YOLOv4-tiny模型,选取特征提取网络,构建包含改进的金字塔特征融合模块的钢铁产品表面缺陷目标检测模型；对钢铁产品表面缺陷目标检测模型中特征提取网络的参数采用在ImageNet数据集上训练好的参数进行初始化,并用训练样本训练钢铁产品表面缺陷目标检测模型,保存训练后的钢铁产品表面缺陷目标检测模型；用保存的目标检测模型对测试样本进行测试,并输出检测结果。本发明检测钢铁产品表面缺陷目标位置的准确率高,检测速度快,能够有效地应用于现场实时检测钢铁产品的表面缺陷。