[發明專利]基于幀間跨尺度相似性聚合的鋼材涂層檢測方法在審
| 申請號: | 202011461444.7 | 申請日: | 2020-12-11 |
| 公開(公告)號: | CN112396602A | 公開(公告)日: | 2021-02-23 |
| 發明(設計)人: | 章小華 | 申請(專利權)人: | 中山家錦網絡科技有限公司 |
| 主分類號: | G06T7/00 | 分類號: | G06T7/00;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司: | 暫無信息 | 代理人: | 暫無信息 |
| 地址: | 528400 廣東省中*** | 國省代碼: | 廣東;44 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 基于 幀間跨 尺度 相似性 聚合 鋼材 涂層 檢測 方法 | ||
1.一種基于幀間跨尺度相似性聚合的鋼材涂層檢測方法,其特征在于,包括:
獲取待檢測鋼筋在不同拍攝角度下的多幀待檢測鋼筋圖像;
將所述多幀待檢測鋼筋圖像通過卷積神經網絡以獲得多個卷積特征圖;
對所述多個卷積特征圖中每個特征圖進行不同尺度的下采樣以獲得具有不同尺度的多個下采樣特征圖;
將所述多個下采樣特征圖中每個下采樣特征圖通過具有對應尺度的多個卷積層以獲得對應不同尺度的多個尺度特征圖;
將所述多個尺度特征圖轉換成相同尺度后進行聚類并計算每個所述尺度特征圖到聚類中心的距離以獲得第一分類特征向量,所述分類特征向量用于表示所述多幀待檢測鋼筋圖像中各所述待檢測鋼筋圖像的跨尺度特征之間的相似性;以及
將所述多個卷積特征圖進行聚類并計算每個所述卷積特征圖到聚類中心的距離以獲得第二分類特征向量,所述第二分類特征向量用于表示所述多幀待檢測鋼筋圖像中各所述待檢測鋼筋圖像之間的幀間特征的相似性;
將所述第一分類特征向量和所述第二分類特征向量級聯后通過分類器以獲得分類結果,所述分類結果表示所述鋼筋的涂層質量是否合格。
2.根據權利要求1所述的基于幀間跨尺度相似性聚合的鋼材涂層檢測方法,其中,在將所述多幀待檢測鋼筋圖像通過卷積神經網絡以獲得多個卷積特征圖中,其中,所述卷積神經網絡包括N層卷積層,N為大于等于4且小于等于5的正整數。
3.根據權利要求2所述的基于幀間跨尺度相似性聚合的鋼材涂層檢測方法,其中,將所述多幀待檢測鋼筋圖像通過卷積神經網絡以獲得多個卷積特征圖,包括:
將所述多幀待檢測鋼筋圖像轉化為灰度圖像以獲得多幀灰度待檢測鋼筋圖像;以及
將所述多幀灰度待檢測鋼筋圖像通過卷積神經網絡以獲得多個卷積特征圖。
4.根據權利要求1所述的基于幀間跨尺度相似性聚合的鋼材涂層檢測方法,其中,將所述第一分類特征向量和所述第二分類特征向量級聯后通過分類器以獲得分類結果,所述分類結果表示所述鋼筋的涂層質量是否合格,包括:
將所述第一分類特征向量和所述第二分類特征向量級聯后通過全連接層以獲得幀間跨尺度分類特征向量;以及
將所述幀間跨尺度分類特征向量輸入Softmax分類函數以獲得所述分類結果。
5.根據權利要求1所述的基于幀間跨尺度相似性聚合的鋼材涂層檢測方法,在獲取待檢測鋼筋在不同拍攝角度下的多幀待檢測鋼筋圖像中,所述不同拍攝角度的數量大于等于2。
6.根據權利要求3所述的基于幀間跨尺度相似性聚合的鋼材涂層檢測方法,其中,在訓練過程中,基于所述幀間跨尺度分類特征向量輸入Softmax分類函數后獲得的概率值計算局部損失函數并基于所述局部損失函數值更新所述卷積神經網絡和所述多層卷積層。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于中山家錦網絡科技有限公司,未經中山家錦網絡科技有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202011461444.7/1.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:一種冬蟲夏草的高效加工方法
- 下一篇:一種新型差速立式舵輪





