公开(公告)号：CN116403042A

公开(公告)日：2023-07-07

申请号：CN202310368796.5

申请日：2023-04-07

Applicant: 桂林电子科技大学

Inventor： 石烈纯 ,  杨辉华 ,  杨牧 ,  赵亮 ,  赵文义 ,  宋明望

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/77 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明涉及轻量化卫生用品缺陷检测的方法，其方法包括：获取卫生用品的表面图像并输入到基于深度学习的轻量级的目标检测神经网络模型中，以对表面图像进行数据增强处理，进而获得初始的特征图，通过嵌有EVC模块的CSP模块对初始的特征图进行多尺度特征提取，通过FPV模块的特征金字塔法将不同尺度的特征图进行融合，通过PANet模块的路径聚合法将不同分辨率的特征图进行融合，通过CSConv模块的轻量级卷积操作对CSP模块、FPV模块和PANet模块的输出特征进行融合，以获得并输出最终的检测结果。本发明通过将GSConv和EVC模块融入到深度学习的目标检测神经网络模型中，提高目标检测的精度和效率，同时保持轻量化和快速的特性。

公开(公告)号：CN116385790A

公开(公告)日：2023-07-04

申请号：CN202310368809.9

申请日：2023-04-07

Applicant: 桂林电子科技大学

Inventor： 石烈纯 ,  杨辉华 ,  杨牧 ,  赵亮 ,  赵文义 ,  宋明望

IPC: G06V10/764 ,  G06V10/774 ,  G06N3/0895 ,  G06N20/20

Abstract: 本发明涉及一种基于数据生成的弱监督卫生用品缺陷检测方法及装置，其中方法包括：训练缺陷检测模型；基于训练后的缺陷检测模型，检测新输入的测试图像是否为有缺陷图像；若检测新输入的测试图像为有缺陷图像，基于剪贴增强策略生成伪缺陷图像，所述伪缺陷图像与所述有缺陷图像对应；基于训练后的缺陷检测模型，对所述伪缺陷图像进行缺陷定位，得到缺陷位置信息。本发明通过剪贴增强策略引入不规则性，只利用正常图像进行训练，需要少量标注缺陷图像。在不同类型的表面缺陷检测任务中取得较高的准确性和鲁棒性，且需要少量标注数据和人工干预。