【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)屬于圖像處理，具體的，是涉及基于圖像的缺陷檢測技術(shù)，更具體的，是涉及基于圖像去霧處理的輸送帶缺陷檢測方法。
技術(shù)介紹
1、輸送帶是工業(yè)中關(guān)鍵的物料運輸設(shè)備，廣泛應用于制造、采礦、農(nóng)業(yè)和物流等領(lǐng)域。然而，長期使用容易導致輸送帶出現(xiàn)缺陷，如果未能及時檢測和修復，可能會導致生產(chǎn)停滯、經(jīng)濟損失甚至安全事故。此外，霧霾等惡劣環(huán)境條件會進一步增加檢測的難度和誤檢的風險。因此，在霧霾條件下建立高效的檢測模型，對于保障輸送帶的安全運行和預防事故至關(guān)重要。
2、近年來，深度學習的發(fā)展使圖像處理方法在輸送帶缺陷檢測中表現(xiàn)優(yōu)異。相關(guān)技術(shù)中，常用霧霾條件下的缺陷檢測有兩類：一類是圖像預處理方法，利用去霧網(wǎng)絡(luò)處理原始圖像，直接輸出去霧圖像，再基于去霧圖像進行特征提取和檢測；另一類是模型優(yōu)化方法，先利用主干網(wǎng)絡(luò)從原始圖像中提取特征，再將去霧檢測與目標檢測相結(jié)合，該方法需要將主干網(wǎng)絡(luò)與去霧檢測網(wǎng)絡(luò)形成編解碼結(jié)構(gòu)，結(jié)構(gòu)復雜。這兩類缺陷檢測方法均存在著去霧圖像的清晰度較低、容易丟失圖像細節(jié)信息的問題，從而導致輸送帶缺陷檢測效果不佳。
技術(shù)實現(xiàn)思路
1、本專利技術(shù)的目的之一在于提供一種基于圖像去霧處理的輸送帶缺陷檢測方法，解決現(xiàn)有技術(shù)存在的去霧效果不佳、缺陷檢測準確性低的問題。
2、為實現(xiàn)上述專利技術(shù)目的，本專利技術(shù)采用下述技術(shù)方案予以實現(xiàn)：
3、一種基于圖像去霧處理的輸送帶缺陷檢測方法，包括：
4、將原始圖像分別輸入去霧分支網(wǎng)絡(luò)和主干網(wǎng)絡(luò)，所述去霧分支網(wǎng)絡(luò)對
5、將所述多尺度去霧圖像特征和所述多尺度原始圖像特征進行特征融合，獲得融合后特征；
6、將所述融合后特征輸入頸部網(wǎng)絡(luò)進行處理，處理后的特征輸入檢測頭進行特征檢測。
7、本申請的一些實施例中，所述去霧分支網(wǎng)絡(luò)對所述原始圖像進行歸一化和校正處理，獲得多尺度去霧圖像特征，包括：
8、對所述原始圖像進行卷積處理，獲得初級特征圖；
9、對所述初級特征圖進行卷積處理，獲得高級特征圖；
10、計算所述初級特征圖的每個像素位置的均值和標準差；
11、根據(jù)所述均值和所述標準差對所述初級特征圖進行歸一化處理，獲得歸一化后特征圖；根據(jù)所述均值和所述標準差對所述高級特征圖進行校正處理，獲得校正后特征圖；
12、將所述歸一化后特征圖和所述校正后特征圖進行拼接處理，獲得拼接后特征圖；
13、對所述拼接后特征圖進行卷積處理和特征提取融合處理，獲得所述多尺度去霧圖像特征。
14、本申請的一些實施例中，所述初級特征圖包括第一初級特征圖和第二初級特征圖，所述高級特征圖包括第一高級特征圖和第二高級特征圖；
15、對所述原始圖像進行卷積處理，獲得初級特征圖；對所述初級特征圖進行卷積處理，獲得高級特征圖，具體包括：
16、對所述原始圖像通過第一卷積模塊進行卷積處理，獲得所述第一初級特征圖；
17、對所述第一初級特征圖通過第二卷積模塊進行卷積處理，獲得所述第二初級特征圖；
18、將所述第一初級特征圖和所述第二初級特征圖進行拼接，對拼接后的特征圖通過第三卷積模塊進行卷積處理，獲得所述第一高級特征圖；
19、將所述第二初級特征圖和所述第一高級特征圖進行拼接，對拼接后的特征圖通過第四卷積模塊進行卷積處理，獲得所述第二高級特征圖。
20、本申請的一些實施例中，所述歸一化后特征圖包括第一歸一化后特征圖和第二歸一化后特征圖，所述校正后特征圖包括第一校正后特征圖和第二校正后特征圖；
21、計算所述初級特征圖的每個像素位置的均值和標準差，根據(jù)所述均值和所述標準差獲得所述歸一化后特征圖和所述校正后特征圖，具體包括：
22、分別計算所述第一初級特征圖的每個像素位置的均值和標準差以及所述第二初級特征圖的每個像素位置的均值和標準差；
23、根據(jù)所述第一初級特征圖的均值和標準差對所述第一初級特征圖進行歸一化處理，獲得所述第一歸一化后特征圖；根據(jù)所述第一初級特征圖的均值和標準差對所述第一高級特征圖進行校正處理，獲得所述第一校正后特征圖；根據(jù)所述第二初級特征圖的均值和標準差對所述第二初級特征圖進行歸一化處理，獲得所述第二歸一化后特征圖；根據(jù)所述第二初級特征圖的均值和標準差對所述第二高級特征圖進行校正處理，獲得所述第二校正后特征圖。
24、本申請的一些實施例中，將所述多尺度去霧圖像特征和所述多尺度原始圖像特征進行特征融合，獲得融合后特征，包括：
25、將所述多尺度去霧圖像特征和所述多尺度原始圖像特征相加，獲得映射特征；
26、將所述映射特征分別沿高度方向和寬度方向進行平均池化，獲得兩個一維特征序列；
27、將兩個所述一維特征序列分別劃分為多個子特征，對多個所述子特征分別進行多尺度深度可分離卷積處理，將同一維度的處理后的子特征進行處理，獲得兩個顯著性特征；
28、將兩個所述顯著性特征分別與所述映射特征逐元素相乘，獲得空間特征；
29、對所述空間特征采用多頭自注意力機制計算通道間的依賴關(guān)系，獲得通道特征，對所述通道特征進行平均池化，在激活函數(shù)的作用下生成通道注意力；
30、將所述通道注意力與所述空間特征逐元素相乘，獲得所述融合后特征。
31、本申請的一些實施例中，將同一維度的處理后的子特征進行處理，獲得兩個顯著性特征，包括：
32、將同一維度的所述處理后的子特征進行拼接，對拼接后的特征進行組歸一化，然后在激活函數(shù)的作用下生成所述顯著性特征。
33、本申請的一些實施例中，在所述頸部網(wǎng)絡(luò)中，對所述融合后特征進行動態(tài)上采樣處理，獲得高分辨率特征圖。
34、本專利技術(shù)的再一目的是提供一種電子設(shè)備，包括處理器、存儲器及存儲在所述存儲器上的計算機程序，所述處理器配置為執(zhí)行所述計算機程序，實現(xiàn)上述的基于圖像去霧處理的輸送帶缺陷檢測方法。
35、本專利技術(shù)的又一目的是提供一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時，實現(xiàn)上述的基于圖像去霧處理的輸送帶缺陷檢測方法。
36、與現(xiàn)有技術(shù)相比，本專利技術(shù)的優(yōu)點和積極效果是：
37、本專利技術(shù)提出的基于圖像去霧處理的輸送帶缺陷檢測方法，設(shè)置并行的去霧分支網(wǎng)絡(luò)和主干網(wǎng)絡(luò)，利用去霧分支網(wǎng)絡(luò)從原始圖像中獲得多尺度去霧圖像特征，利用主干網(wǎng)絡(luò)從原始圖像中獲得多尺度原始圖像特征，再將多尺度去霧圖像特征和多尺度原始圖像特征進行特征融合，基于融合后特征進行特征檢測，通過去霧分支網(wǎng)絡(luò)對原始圖像進行歸一化和校正處理，增強了去霧效果，更好地保留了圖像細節(jié)，提升了圖像的清晰度和對比度；然后將去霧分支網(wǎng)絡(luò)獲得的多尺度去霧圖像特征也作為學習特征，與多尺度原始圖像特征融合后進行后續(xù)處理，既能夠獲取到圖像去霧本文檔來自技高網(wǎng)...
【技術(shù)保護點】
1.一種基于圖像去霧處理的輸送帶缺陷檢測方法，其特征在于，所述方法包括：
2.根據(jù)權(quán)利要求1所述的基于圖像去霧處理的輸送帶缺陷檢測方法，其特征在于，所述去霧分支網(wǎng)絡(luò)對所述原始圖像進行歸一化和校正處理，獲得多尺度去霧圖像特征，包括：
3.根據(jù)權(quán)利要求2所述的基于圖像去霧處理的輸送帶缺陷檢測方法，其特征在于，所述初級特征圖包括第一初級特征圖和第二初級特征圖，所述高級特征圖包括第一高級特征圖和第二高級特征圖；
4.根據(jù)權(quán)利要求3所述的基于圖像去霧處理的輸送帶缺陷檢測方法，其特征在于，所述歸一化后特征圖包括第一歸一化后特征圖和第二歸一化后特征圖，所述校正后特征圖包括第一校正后特征圖和第二校正后特征圖；
5.根據(jù)權(quán)利要求1至4中任一項所述的基于圖像去霧處理的輸送帶缺陷檢測方法，其特征在于，將所述多尺度去霧圖像特征和所述多尺度原始圖像特征進行特征融合，獲得融合后特征，包括：
6.根據(jù)權(quán)利要求5所述的基于圖像去霧處理的輸送帶缺陷檢測方法，其特征在于，將同一維度的處理后的子特征進行處理，獲得兩個顯著性特征，包括：
7.根據(jù)權(quán)
8.一種電子設(shè)備，包括處理器、存儲器及存儲在所述存儲器上的計算機程序，其特征在于，所述處理器配置為執(zhí)行所述計算機程序，實現(xiàn)上述權(quán)利要求1-7中任一項所述的基于圖像去霧處理的輸送帶缺陷檢測方法。
9.一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時，實現(xiàn)上述權(quán)利要求1-7中任一項所述的基于圖像去霧處理的輸送帶缺陷檢測方法。
...【技術(shù)特征摘要】
1.一種基于圖像去霧處理的輸送帶缺陷檢測方法，其特征在于，所述方法包括：
2.根據(jù)權(quán)利要求1所述的基于圖像去霧處理的輸送帶缺陷檢測方法，其特征在于，所述去霧分支網(wǎng)絡(luò)對所述原始圖像進行歸一化和校正處理，獲得多尺度去霧圖像特征，包括：
3.根據(jù)權(quán)利要求2所述的基于圖像去霧處理的輸送帶缺陷檢測方法，其特征在于，所述初級特征圖包括第一初級特征圖和第二初級特征圖，所述高級特征圖包括第一高級特征圖和第二高級特征圖；
4.根據(jù)權(quán)利要求3所述的基于圖像去霧處理的輸送帶缺陷檢測方法，其特征在于，所述歸一化后特征圖包括第一歸一化后特征圖和第二歸一化后特征圖，所述校正后特征圖包括第一校正后特征圖和第二校正后特征圖；
5.根據(jù)權(quán)利要求1至4中任一項所述的基于圖像去霧處理的輸送帶缺陷檢測方法，其特征在于，將所述多尺度去霧圖像特征和所述...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：崔雪紅，王旭，李亞飛，王廣周，龔玉潔，丁志星，郭海杰，
申請(專利權(quán))人：青島科技大學，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。