[發明專利]一種屋面板缺陷檢測方法和系統

在審

• 申請號: 202210432568.5
• 申請日: 2022-04-24
• 公開（公告）號: CN114529546A
• 公開（公告）日: 2022-05-24
• 發明（設計）人: 張超;張波
• 申請（專利權）人: 科大天工智能裝備技術（天津）有限公司;北京科技大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T5/00;G06T5/10;G06V10/764;G06V10/80;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 王愛濤

1.一種屋面板缺陷檢測方法，其特征在于，包括：

構建屋面板缺陷檢測分類模型；所述屋面板缺陷檢測分類模型為訓練好的YOLOv5-MCA網絡模型；所述YOLOv5-MCA網絡模型為改進后的YOLOv5網絡模型；所述YOLOv5-MCA網絡模型包括：融合有多光譜通道注意力機制模塊的骨干網絡、加入有門限通道變換模塊的Neck層和檢測頭；

獲取待檢測屋面板的圖像數據；

將所述圖像數據輸入屋面板缺陷檢測分類模型得到檢測結果。

2.根據權利要求1所述的屋面板缺陷檢測方法，其特征在于，所述構建屋面板缺陷檢測分類模型，具體包括：

獲取YOLOv5網絡模型；所述YOLOv5網絡模型的骨干網絡包括：CSP1_1結構、第一CBL結構、CSP1_3結構和SPP網絡；

對所述CSP1_1結構的輸出進行正則化處理后輸入特征融合模塊；所述特征融合模塊的操作采用公式F_i=C_i+L(Conv(F_i-1))描述，其中，L代表L2正則化，Conv代表卷積操作，當i=2時，F_i=C_i；

在所述CSP1_3結構和所述第一CBL結構之間以及SPP網絡之后均設置多光譜通道注意力機制模塊；所述多光譜通道注意力機制模塊的輸入為所述CSP1_3結構的輸出或所述SPP網絡的輸出；所述多光譜通道注意力機制模塊的輸出為ms_att：ms_att=sigmoid(fc(Freq))；其中，fc()為全連接層映射函數，Freq為多光譜向量，sigmoid為sigmoid函數；

將門限通道變換模塊融合至所述YOLOv5網絡模型的Neck層中；

將所述YOLOv5網絡模型采用的非極大值抑制方法替換為SoftNMS方法。

3.根據權利要求2所述的屋面板缺陷檢測方法，其特征在于，將所述門限通道變換模塊添加至所述YOLOv5網絡模型的Neck層的第一個CSP1_2結構之后。

4.根據權利要求3所述的屋面板缺陷檢測方法，其特征在于，對所述YOLOv5-MCA網絡模型進行訓練的過程，包括：

構建訓練集；

采用所述訓練集訓練所述YOLOv5-MCA網絡模型得到訓練好的YOLOv5-MCA網絡模型。

5.根據權利要求4所述的屋面板缺陷檢測方法，其特征在于，所述構建訓練集，具體包括：

獲取屋面板的原始圖像；所述原始圖像包括：屋面板發生腐蝕的圖像、屋面板發生漏水的圖像、屋面板發生斷裂的圖像、屋面板發生掀翻的圖像和屋面板無異常的圖像；

使用labelme工具標注所述原始圖像得到標注后的圖像；標注的標簽包括：“完好”、“腐蝕”、“斷裂”、“漏水”和“屋面掀翻”；

對所述標注后的圖像進行預處理得到訓練集。

6.根據權利要求5所述的屋面板缺陷檢測方法，其特征在于，所述對所述標注后的圖像進行預處理得到訓練集，具體包括：

采用非局部均值去噪方法對所述標注后的圖像進行去噪處理，得到去噪圖像；

采用小波變換法對所述去噪圖像進行增強處理，得到增強圖像；

將所述增強圖像進行小波逆變換，得到重構后的增強圖像；

基于所述重構后的增強圖像得到訓練集。