[发明专利]一种焊缝缺陷多尺度特征提取装置及方法

说明书

本发明公开了一种基于轻量化空洞卷积的焊缝缺陷多尺度特征提取模块及方法，属于焊缝缺陷检测相关技术领域，模块包括并联的多条支路和第一叠加层，每条支路包含相连接的轻量化空洞卷积和空间池化金字塔，轻量化空洞卷积用于从焊缝缺陷特征图中提取不同感受野的焊缝缺陷特征生成第一特征图，空间池化金字塔用于通过不同大小的池化层作用增强第一特征图对于不同尺度焊缝缺陷特征的表达能力后生成第二特征图；不同支路的轻量化空洞卷积的扩张率不同；第一叠加层用于对所有支路输出的第二特征图进行叠加，生成最终的特征图。本发明对模型进行了轻量化改进，增强神经网络模型对于焊缝缺陷尺寸变化较大的鲁棒性，方便快捷地嵌入到各类模型中。

技术领域

本发明属于焊缝缺陷检测相关技术领域，更具体地，涉及一种基于轻量化空洞卷积的焊缝缺陷多尺度特征提取模块及方法。

背景技术

焊缝缺陷的类型较多，形状尺寸差别也很大，在卷积神经网络模型中对其进行特征提取时很难学习到能够同时应对不同缺陷类型的特征信息。针对目标尺寸差别较大的情况，需要神经网络模型所提取的信息能够具备不同感受野和多尺度特征来源。此外在工业应用中，需要考虑模型的复杂度，应尽量对模型进行轻量化改进，从而提升生产效率。

专利(申请号202011206236.2)公开了一种射线底片中小缺陷检测方法，该发明为焊缝缺陷设计了一种多尺度特征金字塔网络，通过融合不同层次的特征图提升了模型对小目标缺陷的检测能力。然而多尺度特征金字塔无法针对不同感受野的信息进行再次学习提取，限制了所获得特征图的多尺度信息价值，并且该方法在提取多尺度特征时，未考虑模型的轻量化，使得模型的复杂度较大。

因此，如何使模型所提取的信息具备不同感受野和多尺度特征来源，同时对模型进行轻量化改进，成为本领域的技术难题。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于轻量化空洞卷积的焊缝缺陷多尺度特征提取模块及方法，由此解决如何使模块所提取的焊缝缺陷信息具备不同感受野和多尺度特征来源，同时对模块进行轻量化改进的技术问题。

为实现上述目的，按照本发明的一个方面，提供以下技术方案：

一种基于轻量化空洞卷积的焊缝缺陷多尺度特征提取模块，包括并联的多条支路和第一叠加层，其中，

每条支路包含相连接的轻量化空洞卷积和空间池化金字塔，所述轻量化空洞卷积用于从焊缝缺陷特征图中提取不同感受野的焊缝缺陷特征生成第一特征图，所述空间池化金字塔用于通过不同大小的池化层作用增强所述第一特征图对于不同尺度焊缝缺陷特征的表达能力后生成第二特征图；不同支路的轻量化空洞卷积的扩张率不同；

所述第一叠加层用于对所有支路输出的第二特征图进行叠加，生成最终的特征图。

优选地，所述轻量化空洞卷积为将Ghost卷积中原有的分组卷积采用分组空洞卷积替代后得到的改进后的Ghost卷积。

进一步优选地，所述轻量化空洞卷积包括依次连接的：

1×1卷积核，用于对输入的焊缝特征图降维生成第一固有特征图；

第一BN层、第一ReLU层，用于对所述第一固有特征图进行归一化、激活处理后输出第二固有特征图；

分组空洞卷积层，用于对所述第二固有特征图按照分组空洞卷积层通道数相同的数量分层，在各通道对所述第二固有特征图进行分组空洞卷积操作以提取焊缝缺陷特征形成第一新特征图；其中所述各通道与所述第二固有特征图的各层一一对应，所述分组空洞卷积操作中每个通道仅对其对应的第二固有特征图的层进行空洞卷积操作；

第二BN层、第二ReLU层，用于对所述第一新特征图进行归一化、激活处理后输出第二新特征图；

第二叠加层，用于将所述第二新特征图与所述第二固有特征图在通道方向上叠加产生所述第一特征图。