[发明专利]引入注意力机制的多尺度特征融合SSD的螺栓松动检测方法

权利要求书

1.一种引入注意力机制的多尺度特征融合SSD的螺栓松动检测方法，其特征在于，具体包括如下步骤：

步骤1：分别采集拧紧状态和松动状态的螺栓图片，构建螺栓数据集；

步骤2：对原始SSD网络模型进行融合处理，构建得到改进型的SSD网络模型；具体包括如下步骤：

步21，对原始SSD网络模型的原conv4_3特征层、原fc7特征层和原conv8_2特征层上分别进行特征融合处理，得到新的conv4_3特征层、新的fc7特征层、新的conv8_2特征层，即得到融合后的SSD网络模型；

步22，对新的conv4_3特征层、新的特征层fc7特征层和新的conv8_2特征层分别加入BN层，得到优化后的conv4_3特征层、优化后的特征层fc7特征层和优化后的conv8_2特征层；

步23，对优化后的conv4_3特征层、优化后的特征层fc7特征层和优化后的conv8_2特征层分别引入通道注意力机制，得到改进型的SSD网络模型；

步骤3：训练改进型的SSD网络模型，得到训练好的SSD网络模型；

步骤4：采用训练好的SSD网络模型对待检测的螺栓图片进行检测，得到检测结果，为拧紧状态或松动状态。

2.如权利要求1所述的引入注意力机制的多尺度特征融合SSD的螺栓松动检测方法，其特征在于，所述步骤1中，所述拧紧状态和松动状态的螺栓图片的数量比为1：1。

3.如权利要求1所述的引入注意力机制的多尺度特征融合SSD的螺栓松动检测方法，其特征在于，所述步骤21包括如下子步骤：

步骤211，对原始SSD网络模型的原conv4_3特征层进行改进，得到新的conv4_3特征层，所述新的conv4_3特征层包括两部分：由原conv4_3特征层自身的卷积运算得到256个38*38的特征图，以及在原fc7特征层的反卷积上进行采样操作得到256个38*38的特征图融合而成；

步骤212，对原fc7特征层进行改进，得到新的fc7特征层，所述新的特征层fc7特征层包括三部分：由原conv4_3特征层通过空洞卷积下采样操作生成256个19*19的特征图、原fc7特征层通过自身的卷积运算得到512个19*19的特征图，以及原conv8_2特征层通过反卷积上采样操作得到的256个19*19的特征图融合而成；

步骤213，对原conv8_2特征层进行改进，得到新的conv8_2特征层，所述新的conv8_2特征层包括三部分：由原fc7特征层通过空洞卷积下采样方式生成128个10*10的特征图，以及原conv8_2特征层通过自身卷积操作得到256个10*10的特征图，还有原conv9_2特征层通过反卷积上采样操作得到的128个10*10的特征图融合而成。

4.如权利要求1所述的引入注意力机制的多尺度特征融合SSD的螺栓松动检测方法，其特征在于，所述步骤3中，取螺栓数据集的40％作为测试集，60％作为trainval文件，再取trainval文件中的90％作为训练集，10％作为验证集。