一种基于深度学习的表面缺陷检测方法 | 稀金谷高科融成果转化平台

成果案例详情页

筛选

按地域

不限(224)

赣州高新区(82) 赣州其它区(128) 国内(14) 国外(0)

按成熟度

不限(224)

初创成果(141) 中试孵化成果(37) 转化落地成果(46)

按行业

不限(224)

稀土行业(87) 钨行业(13) 其它(124)

按年份

不限(224)

2024年(224) 2022年(0) 2023年(0) 最近3年(224) 最近5年(224)

类似项目

可吸收消化道支架铜渣与铬铁矿协同冶炼制备不锈钢关键技术

一种基于深度学习的表面缺陷检测方法

类型：应用

行业：其它

成熟度：初创成果

供给方：江西理工大学

所在地：江西/赣州

团队介绍：请登录后查看

联系方式：请登录后查看

成果摘要

本发明公开了一种基于深度学习的表面缺陷检测方法，包括：对待检测的产品图像进行处理，并对处理后的待检测产品图像进行特征提取，获取产品图像特征图；

成果介绍

本发明公开了一种基于深度学习的表面缺陷检测方法，包括：对待检测的产品图像进行处理，并对处理后的待检测产品图像进行特征提取，获取产品图像特征图；基于头部网络对所述产品图像特征图进行处理，获得带有表面缺陷的图像的高级特征；通过解耦式检测头根据所述高级特征进行检测，对生成的检测结果进行解码，获得最终的检测结果。本发明通过应用CST模块、FasterNet模块、解耦式检测头和EIoU损失函数来实现精度的提高和加快模型运行速度。

登录后查看更多信息

登录查看