公开(公告)号：CN118262186A

公开(公告)日：2024-06-28

申请号：CN202211687475.3

申请日：2022-12-27

Applicant: 中国科学院沈阳计算技术研究所有限公司

Inventor： 王卫 ,  陈文浩 ,  于波 ,  魏翰廷 ,  张成红 ,  闫子健

IPC: G06V10/774 ,  G06V10/764 ,  G06V10/77 ,  G06V10/80 ,  G06V10/82 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明基于YOLOv5s算法提出了一种面向工业无损探伤的多尺度检测算法。该算法以改进的CSPDarknet53结构作为特征提取网络，通过在骨干网络中引入通道注意力机制ECA‑Net，增强网络的特征提取能力，获取更加丰富发深层次图像语义信息。其次，对YOLOv5s算法中的SPP结构进行改进，设计了基于空洞卷积的金字塔池化结构ASPP，使用空洞卷积替换最大池化操作，使网络充分利用到的更多的像素信息来提取多尺度特征。最后，通过在PAN结构的concat操作中加入通道权重信息，设计了加权通道多尺度特征融合结构SE‑FPN，使网络能够学习通道之间的依赖关系，通过学习不同的通道权重信息，强化有用的通道特征信息，提高网络的特征表达能力，优化网络的缺陷检测性能。

公开(公告)号：CN117788359A

公开(公告)日：2024-03-29

申请号：CN202211143571.1

申请日：2022-09-20

Applicant: 中国科学院沈阳计算技术研究所有限公司

Inventor： 王卫 ,  张成红 ,  于波 ,  魏翰廷

IPC: G06T7/00 ,  G06V10/40 ,  G06V10/764 ,  G06V10/80 ,  G06N3/045 ,  G06N3/0464

Abstract: 本发明提出了一种基于MASK R‑CNN的钢铁表面缺陷检测方法，包括：将EfficientNet结构应用于钢铁表面缺陷检测领域，能够达到更精确、更鲁棒的检测效果。首先，使用EfficientNet作为骨干特征提取网络代替常规的残差网络结构，增强特征网络对钢铁表面缺陷的特征提取能力，降低网络的参数量，提升网络训练效率。其次设计加权双向递归特征金字塔，增强特征金字塔结构提取不同尺度缺陷特征信息的能力。最后设计融入注意力模块的MASK检测头，通过通道注意力和空间注意力模块对特征图进行计算，提取钢铁图片中的重要缺陷信息，摒弃不重要的语义信息，从而提升缺陷分割的质量。

公开(公告)号：CN118967618A

公开(公告)日：2024-11-15

申请号：CN202411031477.6

申请日：2024-07-30

Applicant: 中国科学院沈阳计算技术研究所有限公司

Inventor： 王卫 ,  于波 ,  魏翰廷 ,  王宁 ,  王鸿亮 ,  张守晨 ,  金继鑫

IPC: G06T7/00 ,  G06V10/40 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明提出一种基于编码器‑解码器架构的缺陷检测方法。包括：设计空间增强网络进行数据增强，以深度残差网络作为特征提取部分进行特征提取，多层编码器网络将特征提取后的缺陷图像特征图的输入序列经过多个编码器转化为一个固定维度的向量表示，多层解码器网络根据编码器生成的向量表示来生成目标序列，捕捉的全局信息，进而通过预测匹配模块完成对缺陷的检测过程。本发明方法应用于工业缺陷检测能够达到更精确、更鲁棒的检测效果。