[發(fā)明專利]基于輕量化深度學(xué)習(xí)模型的結(jié)構(gòu)缺陷快速識別與分類方法

在審

• 申請?zhí)枺?/td>: 202210073320.4
• 申請日: 2022-01-21
• 公開（公告）號: CN114332075A
• 公開（公告）日: 2022-04-12
• 發(fā)明（設(shè)計）人: 陳柳潔;姚皓東;傅繼陽
• 申請（專利權(quán)）人: 廣州大學(xué)
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06V10/26;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京高航知識產(chǎn)權(quán)代理有限公司 11530
• 代理人: 劉艷玲

1.基于輕量化深度學(xué)習(xí)模型的結(jié)構(gòu)缺陷快速識別與分類方法，其特征在于，包括：

利用VGG16-U-Net模型對采集的缺陷圖像進行語義分割處理，去除圖像背景噪聲干擾；

構(gòu)建EfficientNetB0模型，對EfficientNetB0模型進行訓(xùn)練，得到訓(xùn)練好的EfficientNetB0模型；

將語義分割處理后的缺陷圖像輸入訓(xùn)練好的EfficientNetB0模型中進行識別，并輸出識別結(jié)果。

2.如權(quán)利要求1所述的基于輕量化深度學(xué)習(xí)模型的結(jié)構(gòu)缺陷快速識別與分類方法，其特征在于，所述VGG16-U-Net模型包括編碼層、解碼層及最終卷積層。

3.如權(quán)利要求1所述的基于輕量化深度學(xué)習(xí)模型的結(jié)構(gòu)缺陷快速識別與分類方法，其特征在于，所述利用VGG16-U-Net模型對采集的缺陷圖像進行語義分割處理之前，包括：

通過遷移學(xué)習(xí)使已經(jīng)訓(xùn)練好的VGG16-U-Net模型完成參數(shù)初始化。

4.如權(quán)利要求2所述的基于輕量化深度學(xué)習(xí)模型的結(jié)構(gòu)缺陷快速識別與分類方法，其特征在于，所述利用VGG16-U-Net模型對采集的缺陷圖像進行語義分割處理，包括：

將采集的缺陷圖像通過輸入層輸入編碼器，編碼器提取圖像特征，圖像特征通過跳躍連接輸入到解碼器中，解碼器的反卷積層對圖像進行上采樣，將特征逐步恢復(fù)到圖像的原始大小，全卷積層對圖像中每個像素進行預(yù)測分類，不同類別的像素由不同顏色標(biāo)記，從而實現(xiàn)語義分割處理。

5.如權(quán)利要求4所述的基于輕量化深度學(xué)習(xí)模型的結(jié)構(gòu)缺陷快速識別與分類方法，其特征在于，所述對EfficientNetB0模型進行訓(xùn)練，包括：

將采集的缺陷圖像數(shù)據(jù)集分為訓(xùn)練集、驗證集、測試集三個部分，比例分別為6：2：2，利用訓(xùn)練集訓(xùn)練EfficientNetB0模型自動識別裂縫，利用驗證集觀察模型在訓(xùn)練過程中識別裂縫的準(zhǔn)確率，利用測試集測試最終模型的性能。

6.如權(quán)利要求1所述的基于輕量化深度學(xué)習(xí)模型的結(jié)構(gòu)缺陷快速識別與分類方法，其特征在于，所述對EfficientNetB0模型進行訓(xùn)練，還包括：

在訓(xùn)練過程中，利用余弦退火的隨機梯度下降算法調(diào)整學(xué)習(xí)率。

7.如權(quán)利要求6所述的基于輕量化深度學(xué)習(xí)模型的結(jié)構(gòu)缺陷快速識別與分類方法，其特征在于，所述余弦退火的隨機梯度下降算法的計算公式為：

其中，i為重啟的次數(shù)，和分別為學(xué)習(xí)率的最大值和最小值；T_cur為當(dāng)前執(zhí)行的epochs，T_i為第i次的重啟中總的epochs。

8.基于輕量化深度學(xué)習(xí)模型的結(jié)構(gòu)缺陷快速識別與分類裝置，其特征在于，包括：

語義分割單元，用于利用VGG16-U-Net模型對采集的缺陷圖像進行語義分割處理，去除圖像背景噪聲干擾；

模型訓(xùn)練單元，用于構(gòu)建EfficientNetB0模型，對EfficientNetB0模型進行訓(xùn)練，得到訓(xùn)練好的EfficientNetB0模型；

缺陷識別單元，用于將語義分割處理后的缺陷圖像輸入訓(xùn)練好的EfficientNetB0模型中進行識別，并輸出識別結(jié)果。

9.一種計算機設(shè)備，包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執(zhí)行所述計算機程序時，實現(xiàn)如權(quán)利要求1-7中任一項所述的基于輕量化深度學(xué)習(xí)模型的結(jié)構(gòu)缺陷快速識別與分類方法。

10.一種計算機可讀存儲介質(zhì)，其特征在于，所述計算機可讀存儲介質(zhì)存儲有計算機程序，所述計算機程序被處理器執(zhí)行時使所述處理器執(zhí)行如權(quán)利要求1-7中任一項所述的基于輕量化深度學(xué)習(xí)模型的結(jié)構(gòu)缺陷快速識別與分類方法。