公开(公告)号：CN118115441A

公开(公告)日：2024-05-31

申请号：CN202410122697.3

申请日：2024-01-29

Applicant: 南通大学

Inventor： 吕帅帅 ,  陶传振 ,  郝壮壮 ,  倪红军 ,  李志扬 ,  施卫东 ,  侯正捷 ,  李晓源 ,  李斌

IPC: G06T7/00 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/764

Abstract: 本发明涉及带钢表面缺陷技术领域，尤其涉及一种基于YOLOv5算法的带钢表面缺陷检测方法。解决了目前缺陷图像样本数量少，缺陷检测速度问题慢的问题。其技术方案为：S10：建立带刚表面缺陷标准图库；S20：待检测图片图像重命名、缺陷标注、标签格式转换和数据集划分；设定评价指标、训练参数、进行网络稳定性分析和网络性能分析；S30：待检测图片缺陷位置判定，引入注意力机制、改进特征融合结构和轻量化Backbone的方式对YOLOv5s进行改进。本发明的有益效果为：算法检测精度明显提升，且高于其他目标检测算法，检测速度也较快。

公开(公告)号：CN118115437A

公开(公告)日：2024-05-31

申请号：CN202410074601.0

申请日：2024-01-17

Applicant: 南通大学

Inventor： 吕帅帅 ,  李晓源 ,  李斌 ,  倪红军 ,  施卫东 ,  李志扬 ,  侯正捷 ,  汪兴兴 ,  郝壮壮

IPC: G06T7/00 ,  G06T7/70 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82

Abstract: 本发明涉及铝型材表面缺陷技术领域，尤其涉及一种基于YOLOX‑S网络的铝型材表面缺陷检测方法。解决了深度学习模型需要大量的数据样本用以训练的问题。其技术方案为：S10：建立铝型材表面缺陷标准图库；S20：待检测图片进行训练、验证、测试；S30：待检测图片缺陷位置判定。本发明的有益效果为：本发明在提供模型在模型大小、检测精度和检测速度之间取得了较好的平衡。

公开(公告)号：CN117911390A

公开(公告)日：2024-04-19

申请号：CN202410124754.1

申请日：2024-01-29

Applicant: 南通大学

Inventor： 吕帅帅 ,  陶传振 ,  郝壮壮 ,  倪红军 ,  李志扬 ,  施卫东 ,  周林 ,  侯正捷 ,  李晓源 ,  李斌

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

Abstract: 本发明涉及带钢表面缺陷技术领域，尤其涉及一种基于ResNet34模型的带钢表面缺陷分类方法。解决了目前缺陷图像样本数量少，缺陷检测速度问题慢的问题。其技术方案为：S10：建立带刚表面缺陷标准图库；20：构建ResNet34模型，建立评价指标及训练参数，进行带钢表面缺陷分类实验；S30：对ResNet34模型进行改进。本发明的有益效果为：带钢表面缺陷的分类更为准确，且具有较高的鲁棒性。

公开(公告)号：CN118014939A

公开(公告)日：2024-05-10

申请号：CN202410070961.3

申请日：2024-01-17

Applicant: 南通大学

Inventor： 吕帅帅 ,  侯正捷 ,  李斌 ,  倪红军 ,  施卫东 ,  李晓源 ,  李志扬 ,  汪兴兴 ,  陶传振 ,  周林 ,  郝壮壮

IPC: G06T7/00 ,  G06T7/70 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明涉及铝型材表面缺陷分类技术领域，尤其涉及一种基于网络铝型材表面缺陷的分类识别方法。解决了难以检测铝型材表面缺陷尺度差异大，位置分布不规律的问题。其技术方案为：S10：建立铝型材表面缺陷标准图库；S20：待检测图片进行训练、验证、测试；S30：待检测图片缺陷位置判定。本发明的有益效果为：本发明具有出色的泛化性、能够很好地分类识别铝型材表面缺陷。

公开(公告)号：CN115393646A

公开(公告)日：2022-11-25

申请号：CN202211056662.1

申请日：2022-08-31

Applicant: 南通大学

Inventor： 倪红军 ,  郝壮壮 ,  李志扬 ,  吕帅帅 ,  朱昱 ,  汪兴兴 ,  李斌

IPC: G06V10/764 ,  G06N3/04 ,  G06N3/08 ,  G06V10/774

Abstract: 本申请提供一种带钢表面缺陷分类方法，包括：基于第一图像数据集，获取第一缺陷图样；基于Wasserstein距离和第一缺陷图样，构建生成式对抗网络的生成器和判别器，获取第二图像数据集；基于第二图像数据集，构建嵌入注意力模块的Optimal‑ResNet34模型并对Optimal‑ResNet34模型进行训练，获取最优权重；基于最优权重，对第二图像数据集中的第二缺陷图样进行分类以及验证。本申请通过构建生成式对抗网络的生成器和判别器，增加缺陷图像的数量，丰富缺陷特征多样性，解决工业环境下热轧带钢表面缺陷图像匮乏而导致的过拟合问题；其次，将注意力模块引入Optimal‑ResNet34模型中，获取最优权重，能够提高Optimal‑ResNet34模型的分类准确率。