公开(公告)号：CN114372955B

公开(公告)日：2024-11-15

申请号：CN202111474014.3

申请日：2021-12-02

Applicant: 上海工程技术大学

Inventor： 吴文云 ,  闫学顺 ,  汪东红 ,  疏达 ,  余童 ,  弓成美琪 ,  周乐尧

IPC: G06T7/00 ,  G06T7/73 ,  G06V10/774 ,  G06V10/82 ,  G06V10/764 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供了一种基于改进神经网络的铸件缺陷X射线图自动识别法，属于材料铸造和缺陷图像目标检测领域。本技术方案采用卷积生成对抗网络模型，完成数据集的图像特征增强。采用图像标注工具，完成对铸件缺陷数据集的缺陷标注。改进目标检测YOLOv5模型的网络结构，加入注意力机制，改进损失函数进行模型训练。使用训练集对模型进行训练，最终对比多种改进网络模型，以影响神经网络模型质量的准确率、召回率等因素为评价指标，获得YOLOv5‑MNv2‑SE4模型，利用该模型对铸件图像进行检测并识别缺陷种类和位置坐标。本发明能够有效的增强样本图像的缺陷特征，提高对小目标物体识别的准确率。

公开(公告)号：CN114372955A

公开(公告)日：2022-04-19

申请号：CN202111474014.3

申请日：2021-12-02

Applicant: 上海工程技术大学

Inventor： 闫学顺 ,  吴文云 ,  汪东红 ,  疏达 ,  余童 ,  弓成美琪 ,  周乐尧

IPC: G06T7/00 ,  G06T7/73 ,  G06V10/774 ,  G06V10/82 ,  G06V10/764 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于改进神经网络的铸件缺陷X射线图自动识别法，属于材料铸造和缺陷图像目标检测领域。本技术方案采用卷积生成对抗网络模型，完成数据集的图像特征增强。采用图像标注工具，完成对铸件缺陷数据集的缺陷标注。改进目标检测YOLOv5模型的网络结构，加入注意力机制，改进损失函数进行模型训练。使用训练集对模型进行训练，最终对比多种改进网络模型，以影响神经网络模型质量的准确率、召回率等因素为评价指标，获得YOLOv5‑MNv2‑SE4模型，利用该模型对铸件图像进行检测并识别缺陷种类和位置坐标。本发明能够有效的增强样本图像的缺陷特征，提高对小目标物体识别的准确率。