[发明专利]基于神经网络的木板缺陷检测方法、装置、设备及介质

权利要求书

1.一种基于神经网络的木板缺陷检测方法,其特征在于,包括：

获取含有标注信息的第一训练数据集；

根据所述第一训练数据集训练木板缺陷检测模型，得到训练好的木板缺陷检测模型，其中，所述木板缺陷检测模型为U-net网络结构，在所述U-net网络结构中增加跳跃连接以及在跳跃连接处增加权重处理模块；

将待检测图像输入所述训练好的木板缺陷检测模型，得到检测结果。

2.根据权利要求1所述的方法，其特征在于，获取含有标注信息的第一训练数据集，包括：

获取多张有缺陷的木板图像，并对所述有缺陷的木板图像进行标注，得到第二训练数据集；

获取多张无缺陷的木板图像，并对所述无缺陷的木板图像进行标注，得到第三训练数据集；

将所述第二训练数据集和所述第三训练数据集进行合并，得到所述第一训练数据集。

3.根据权利要求1所述的方法，其特征在于，所述U-net网络结构包括一个编码器和一个解码器；

所述编码器包括第一跳跃连接层、第二跳跃连接层、第三跳跃连接层以及第四跳跃连接层；

所述解码器包括第五跳跃连接层、第六跳跃连接层、第七跳跃连接层以及第八跳跃连接层。

4.根据权利要求3所述的方法，其特征在于，

所述第一跳跃连接层与第八跳跃连接层跳跃连接，记为第一跳跃连接；

所述第二跳跃连接层与第七跳跃连接层跳跃连接，记为第二跳跃连接；

所述第三跳跃连接层与第六跳跃连接层跳跃连接，记为第三跳跃连接；

所述第四跳跃连接层与第五跳跃连接层跳跃连接，记为第四跳跃连接。

5.根据权利要求4所述的方法，其特征在于，在所述U-net网络结构中增加跳跃连接，包括：

将所述第一跳跃连接层、第二跳跃连接层、第三跳跃连接层以及第四跳跃连接层与所述第五跳跃连接层跳跃连接。

6.根据权利要求4所述的方法，其特征在于，在跳跃连接处增加权重处理模块，包括：

在第一跳跃连接处、第二跳跃连接处、第三跳跃连接处以及第四跳跃连接处增加权重控制模块；

所述权重控制模块包括平均池化层、卷积层以及归一化层。

7.根据权利要求1所述的方法，其特征在于，所述木板缺陷检测模型根据如下损失函数进行训练：

其中，n为类别数，t为标签，o为模型输出的结果。

8.一种基于神经网络的木板缺陷检测装置,其特征在于,包括：

获取模块，用于获取含有标注信息的第一训练数据集；

模型训练模块，用于根据所述第一训练数据集训练木板缺陷检测模型，得到训练好的木板缺陷检测模型，其中，所述木板缺陷检测模型为U-net网络结构，在所述U-net网络结构中增加跳跃连接以及在跳跃连接处增加权重处理模块；

检测模块，用于将待检测图像输入所述训练好的木板缺陷检测模型，得到检测结果。

9.一种基于神经网络的木板缺陷检测设备，其特征在于，包括处理器和存储有程序指令的存储器，所述处理器被配置为在执行所述程序指令时，执行如权利要求1至7任一项所述的基于神经网络的木板缺陷检测方法。

10.一种计算机可读介质，其特征在于，其上存储有计算机可读指令，所述计算机可读指令可被处理器执行以实现如权利要求1至7任一项所述的一种基于神经网络的木板缺陷检测方法。