[发明专利]波纹管内壁瑕疵检测模型及检测方法

权利要求书

1.一种波纹管内壁瑕疵检测模型，其特征在于，包括：

基础网络，包括多个卷积层，用于提取图像中的特征信息；

自适应平均池化层，针对所述特征信息进行缩放，获得缩放特征图；

权重层，用于通过高斯分布拟合所述缩放特征图中像素点对应的权值；

多头注意力模块，用于通过所述特征信息，确定多维权重并与所述特征信息点乘；

分类网络，针对所述权重层与所述多头注意力模块的输出结果级联后进行块级分类，获得n*n的二值图，判断所述二值图是否含有瑕疵，确定瑕疵位置，输出瑕疵判断结果。

2.根据权利要求1所述的波纹管内壁瑕疵检测模型，其中，所述基础网络采用vgg16网络的全卷积部分，每个卷积层后跟随一个批标准化层和激活层。

3.根据权利要求1所述的波纹管内壁瑕疵检测模型，其中，将所述基础网络的多个卷积层中的至少一个卷积层的步长设置为2。

4.根据权利要求1所述的波纹管内壁瑕疵检测模型，其中，通过高斯分布拟合所述缩放特征图中像素点对应的权值包括：

确定瑕疵中心位置的分布情况；

针对瑕疵中心位置的分布情况进行高斯分布拟合，得到所述缩放特征图中像素点对应的权值。

5.根据权利要求4所述的波纹管内壁瑕疵检测模型，其中，所述缩放特征图中像素点对应的权值为：

其中，V为像素点对应的权值大小，d为像素点到瑕疵中心位置的距离，μ与σ分别为均值与方差。

6.一种基于权利要求1-5中任意一项所述波纹管内壁瑕疵检测模型的检测方法，其特征在于，包括：

训练瑕疵检测模型，获得最终瑕疵检测模型；

通过最终瑕疵检测模型对目标图像进行检测，对所述目标图像进行块级分类，获得n*n的二值图，判断所述二值图是否含有瑕疵，确定瑕疵位置，输出瑕疵判断结果。

7.根据权利要求6所述的检测方法，其中，训练瑕疵检测模型，获得最终瑕疵检测模型包括：

在训练集上训练瑕疵检测模型，直到所述瑕疵检测模型收敛，获得最终瑕疵检测模型。

8.根据权利要求7所述的检测方法，其中，在训练集上训练所述瑕疵检测模型为：

在训练集上通过反向传播训练所述瑕疵检测模型。

9.根据权利要求8所述的检测方法，其中，在训练集上通过反向传播训练所述瑕疵检测模型包括：

将所述基础网络在分类任务中进行预训练；

将预训练的基础网络去除最后的全连接输出层，与后续的瑕疵检测模型相连，继续在所述训练集上进行微调训练。

10.根据权利要求6所述的检测方法，其中，还包括：

针对所述目标图像进行预处理，将所述目标图像进行尺寸缩放与归一化。