[发明专利]基于条纹多视野卷积网络的多线激光图像缺陷分割方法在审

专利信息
申请号: 202111572330.4 申请日: 2021-12-21
公开(公告)号: CN114240969A 公开(公告)日: 2022-03-25
发明(设计)人: 冀振燕;郭晓轩;冯其波;郑发家;杨燕燕 申请(专利权)人: 北京交通大学
主分类号: G06T7/11 分类号: G06T7/11;G06T7/00
代理公司: 北京市诚辉律师事务所 11430 代理人: 耿慧敏;朱伟军
地址: 100044 北*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 条纹 视野 卷积 网络 激光 图像 缺陷 分割 方法
【权利要求书】:

1.一种基于条纹多视野卷积网络的多线激光图像缺陷分割方法,包括以下步骤:

获取目标的多线激光图像,其中该激光图像是通过将线激光投射到目标物体表面得到目标物体的多线激光光条图像;

将所述多线激光光条图像输入到基于条纹多视野卷积层的激光光条图像缺陷分割模型中,提取特征以分割图像中的成像缺陷,其中,条纹多视野卷积层包括四个卷积分支,分别为3*3普通卷积分支,3*3空洞卷积分支、横向条纹卷积分支和纵向条纹卷积分支,3*3普通卷积分支提取多线激光图像的细节信息,3*3空洞卷积分支是两个条纹卷积的交叉重叠区域,用于提取中心位置的环绕特征,横向条纹卷积分支用于提取多线激光图像的横向特征,以挖掘单光条内部的结构信息,纵向条纹卷积分支用于提取多线激光图像的纵向特征,以挖掘相邻光条间的关联信息,经过四个卷积分支的组合,条纹多视野卷积层能够获得较大范围的“十字”视野。

2.根据权利要求1所述的方法,其中,所述纵向条纹卷积首先利用较小范围的一维空洞卷积核提取短范围的横向特征,然后使用较大范围的一维空洞卷积核提取长范围的纵向特征。

3.根据权利要求1所述的方法,其中,所述横向条纹卷积首先利用较小范围的一维空洞卷积核提取短范围的纵向特征,然后使用较大范围的一维空洞卷积核提取长范围的横向特征。

4.根据权利要求1所述的方法,其特征在于,对于所述条纹多视野卷积层,空洞率的数值选择根据待分割对象的形貌特点设定,针对大尺寸的对象设置较大的空洞率,小面积对象设置较小的空洞率,其中,普通的3*3卷积分支的卷积视野为3*3;空洞率为2的3*3卷积分支,卷积视野为5*5;纵向条纹卷积分支使用空洞率为2的1*3卷积核和7*1卷积核,卷积视野为13*5;横向条纹卷积分支使用空洞率为2的3*1卷积核和1*7卷积核,卷积视野为5*13,通过四个卷积分支的组合,条纹多视野卷积层获得较大范围的“十字”视野。

5.根据权利要求1所述的方法,其特征在于,对于所述条纹多视野卷积层,每一个分支的输出维度为输入维度的1/4,并将四个分支的输出特征按照维度进行拼接,获得包含四个不同尺度感受野的特征,作为提取的输出特征图。

6.根据权利要求4所述的方法,其特征在于,所述缺陷分割模型以unet3+网络为基准搭建。

7.根据权利要求6所述的方法,其特征在于,所述缺陷分割模型的编码阶段和编码阶段每一层的第二个卷积层设置为所述条纹多视野卷积层。

8.根据权利要求7所述的方法,其特征在于,所述缺陷分割模型的编码阶段分别经过四次下采样,每次下采样后经过一个卷积层和一个所述条纹多视野卷积层,解码阶段分别经过四次上采样,每次上采样后和编码阶段同一层特征图、上层特征图、解码阶段下层特征图结合,然后输入到所述条纹多视野卷积层中提取该层解码段的特征。

9.一种计算机可读存储介质,其上存储有计算机程序,其中,该程序被处理器执行时实现根据权利要求1至8中任一项所述方法的步骤。

10.一种计算机设备,包括存储器和处理器,在所述存储器上存储有能够在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1至8中任一项所述的方法的步骤。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京交通大学,未经北京交通大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202111572330.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top