公开(公告)号：CN111627012A

公开(公告)日：2020-09-04

申请号：CN202010469022.8

申请日：2020-05-28

Applicant: 华北电力大学(保定)

Inventor： 曹锦纲 ,  杨国田 ,  徐婷婷 ,  杨锡运 ,  张冀 ,  张铭泉 ,  梅华威

IPC: G06T7/00 ,  G06N3/04 ,  G06N3/08 ,  G01N21/88

Abstract: 一种基于特征融合的深度神经网络表面缺陷检测方法。该方法采用了编码器-解码器网络结构，特征提取模块采用ResNet50提取表面缺陷特征，得到各卷积层特征；然后利用编码特征融合模块将各卷积层特征融合，有利于表面缺陷的准确检测；最后利用两级级联解码模块，实现表面缺陷的检测。编码特征融合模块和两级级联解码模块能够实现表面缺陷特征的深度融合，使表面缺陷定位更准确。在各级解码模块的输出端增加了边界求精模块，并通过卷积融合拼接后的两级解码模块输出，得到最终检测结果。本方法可以有效提高表面缺陷检测的准确性。

公开(公告)号：CN111627012B

公开(公告)日：2021-12-21

申请号：CN202010469022.8

申请日：2020-05-28

Applicant: 华北电力大学(保定)

Inventor： 曹锦纲 ,  杨国田 ,  徐婷婷 ,  杨锡运 ,  张冀 ,  张铭泉 ,  梅华威

IPC: G06T7/00 ,  G06N3/04 ,  G06N3/08 ,  G01N21/88

Abstract: 一种基于特征融合的深度神经网络表面缺陷检测方法。该方法采用了编码器‑解码器网络结构，特征提取模块采用ResNet50提取表面缺陷特征，得到各卷积层特征；然后利用编码特征融合模块将各卷积层特征融合，有利于表面缺陷的准确检测；最后利用两级级联解码模块，实现表面缺陷的检测。编码特征融合模块和两级级联解码模块能够实现表面缺陷特征的深度融合，使表面缺陷定位更准确。在各级解码模块的输出端增加了边界求精模块，并通过卷积融合拼接后的两级解码模块输出，得到最终检测结果。本方法可以有效提高表面缺陷检测的准确性。