公开(公告)号：CN116912144A

公开(公告)日：2023-10-20

申请号：CN202310912049.3

申请日：2023-07-25

Applicant: 东北大学秦皇岛分校

Inventor： 王正松 ,  杨文翰 ,  汤晟楠 ,  杨乐

IPC: G06T5/50 ,  G06T7/11 ,  G06T7/136 ,  G06T7/194 ,  G06T7/00 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/0895

Abstract: 本发明提供了一种基于大律算法与通道注意力机制的数据增强方法，涉及表面缺陷检测技术领域。首先对输入的正常样本进行大律算法(OTSU)计算，以得到对图像进行阈值分割的最佳阈值，并将图像进行二值化操作，得到二值化掩码图像作为数据增强的ROI。然后，将二值化掩码图像表示为矩阵，将其中值为1的像素点坐标放入数组IDX中，并通过随机方式在IDX数组中选择一个seed像素点作为数据增强的位置，以避免数据增强的图像块粘贴到背景中产生污染数据。最后，通过随机裁剪原图像以获得图像块，将图像块与原图无缝融合，实现数据增强。在神经网络的训练中，引入SENet自注意力模块，加强网络的建模能力，提高检测性能。

公开(公告)号：CN116912625A

公开(公告)日：2023-10-20

申请号：CN202310912045.5

申请日：2023-07-25

Applicant: 东北大学秦皇岛分校

Inventor： 杨文翰 ,  汤晟楠 ,  王正松 ,  杨乐

IPC: G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06V10/776 ,  G06T7/00 ,  G06F16/901 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/0895

Abstract: 本发明提供一种基于先验缺陷特征与SSPCAB注意力机制的数据增强方法，涉及工业缺陷检测领域。本方法在输入的正常样本图像的某个随机位置剪裁，得到一个随机大小的矩形区域，收集工业产品的缺陷类型与形状作为先验知识，将矩形进行蒙版变换为与对应产品缺陷形状类似的图像补丁，将补丁随机旋转一定角度，进行随机的颜色抖动，再将补丁粘贴在原图像的随机位置得到模拟缺陷图像，将模拟缺陷图像与正常图像一同输入ResNet‑18神经网络，在神经网络中融入了自监督注意力模块(SSPCAB)，使用周期性焦点损失(CFL)作为神经网络的损失函数，并于注意力模块产生的均方差损失加权相加作为目标函数，最后得到缺陷检测模型。