[发明专利]表面划痕检测神经网络的构建方法、系统、装置及介质

权利要求书

1.表面划痕检测神经网络的构建方法，其特征在于，包括以下步骤：

获取物体表面带有划痕的图像数据，基于预设的分辨率阈值对所述图像数据进行筛选，得到划痕图像样本；

通过特征提取模块、分割网络模块和决策网络模块构建基础神经网络；

通过所述划痕图像样本训练所述基础神经网络，得到表面划痕检测神经网络；

其中，所述特征提取模块用于提取所述划痕图像样本的高频信息，并将结果输入到分割网络模块；所述分割网络模块用于对所述划痕图像样本进行像素级别的语义分割，并将结果输入到决策网络模块；所述决策网络模块用于输出特征向量。

2.根据权利要求1所述的表面划痕检测神经网络的构建方法，其特征在于，所述特征提取模块包括粗糙提取子模块和局部残差子模块，所述粗糙提取子模块提取的粗糙图像特征信息用于输入到局部残差子模块。

3.根据权利要求2所述的表面划痕检测神经网络的构建方法，其特征在于，所述粗糙提取子模块包括两个卷积核大小为3×3的卷积层。

4.根据权利要求2所述的表面划痕检测神经网络的构建方法，其特征在于，所述特征提取模块还包括注意力子模块；

所述局部残差子模块对接收到的所述粗糙图像特征信息进行处理，得到残差图像特征信息，并将所述残差图像特征信息传递给对应的注意力子模块；

将所述残差图像特征信息在注意力子模块中与注意力掩模点乘操作，提取得到关注区域特征信息；

将所述关注区域特征信息和残差图像特征信息进行融合，并输入到所述分割网络模块。

5.根据权利要求2-4中任一项所述的表面划痕检测神经网络的构建方法，其特征在于：

在所述局部残差子模块设置至少两个卷积层，并剔除批量标准化层；

在所述局部残差子模块中使用LeakyReLu函数作为激活函数。

6.根据权利要求1所述的表面划痕检测神经网络的构建方法，其特征在于：

在所述分割网络模块中设置九个卷积层，其中前八个卷积层的卷积核大小为3×3，最后一个卷积层卷积核的大小为15x15；

在所述分割网络模块中的每个所述卷积层后设置批量标准化层和ReLU激活层。

7.根据权利要求1所述的表面划痕检测神经网络的构建方法，其特征在于：

在所述决策网络模块中，对输入的图像特征信息分别进行最大池化和均值池化；

通过concat函数对最大池化得到的结果和均值池化得到的结果进行深度融合；

将融合后的结果输入到全连接层，按照通道维度拼接并输出最终的向量结果。

8.表面划痕检测神经网络的构建系统，其特征在于，包括：

获取单元，用于获取物体表面带有划痕的图像数据；

筛选单元，用于基于预设的分辨率阈值对所述图像数据进行筛选，得到划痕图像样本；

构建单元，用于通过特征提取模块、分割网络模块和决策网络模块构建基础神经网络；

训练单元，用于通过所述划痕图像样本训练所述基础神经网络，得到表面划痕检测神经网络。

9.表面划痕检测神经网络的构建装置，其特征在于，包括：

至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如权利要求1-7中任一项所述的表面划痕检测神经网络的构建方法。

10.一种介质，其中存储有处理器可执行的指令，其特征在于：所述处理器可执行的指令在由处理器执行时用于实现如权利要求1-7中任一项所述的表面划痕检测神经网络的构建方法。