[发明专利]融合多注意力机制的工件缺陷检测方法和装置

权利要求书

1.一种融合多注意力机制的工件缺陷检测方法，其特征在于，包括以下步骤：

构建多注意力缺陷检测模型，所述多注意力缺陷检测模型包括金字塔分割注意力机制模块、通道注意力机制模块、空间自注意力机制模块和Unet网络模型；

获取待检测工件的目标检测图像；

对所述目标检测图像进行标注和扩增得到二次目标检测图像；

将所述二次目标检测图像划分为训练集和验证集；

根据所述训练集和所述验证集对所述多注意力缺陷检测模型进行训练；

采用训练后的所述多注意力缺陷检测模型对所述待检测工件进行缺陷检测；

其中，根据所述金字塔分割注意力机制模块、所述通道注意力机制模块和所述空间自注意力机制模块构建融合多注意力机制模块，所述融合多注意力机制模块具体用于：利用所述金字塔分割注意力机制模块和所述通道注意力机制模块处理输入特征图以得到第一特征图；对所述第一特征图进行池化卷积处理得到第二特征图；利用所述空间自注意力机制模块处理所述第二特征图以得到第三特征图并将其输出；

其中，对所述第一特征图进行池化卷积处理得到第二特征图，包括以下步骤：对所述第一特征图分别进行第一空洞卷积、全局平均池化、第二空洞卷积处理；将第一空洞卷积和全局平均池化处理后得到的特征图进行一次相乘；将第二空洞卷积和全局平均池化处理后得到的特征图进行二次相乘；将一次相乘和二次相乘处理后得到的特征图进行拼接以得到所述第二特征图；

其中，利用所述空间自注意力机制模块处理所述第二特征图以得到第三特征图，包括以下步骤：对所述第二特征图进行卷积处理；对卷积处理后的所述第二特征图进行reshape处理得到第一向量、第二向量和第三向量；将所述第一向量和所述第二向量相乘得到协方差矩阵；将所述协方差矩阵和所述第三向量相乘得到第四向量；对所述第四向量进行reshape处理；将reshape处理后的所述第四向量与卷积处理后的所述第二特征图进行残差连接以得到所述第三特征图。

2.根据权利要求1所述的融合多注意力机制的工件缺陷检测方法，其特征在于，构建多注意力缺陷检测模型，包括以下步骤：

根据所述金字塔分割注意力机制模块、所述通道注意力机制模块和所述空间自注意力机制模块构建融合多注意力机制模块；

将所述融合多注意力机制模块嵌入所述Unet网络模型得到所述多注意力缺陷检测模型，具体采用所述融合多注意力机制模块替换所述Unet网络模型的解码器结构中的所有3*3卷积层。

3.根据权利要求2所述的融合多注意力机制的工件缺陷检测方法，其特征在于，利用所述金字塔分割注意力机制模块和所述通道注意力机制模块处理输入特征图以得到第一特征图，包括以下步骤：

根据所述输入特征图的通道将其分割为多组通道特征图；

采用多尺度卷积处理所述多组通道特征图；

将处理后的所述多组通道特征图进行融合得到多组通道融合特征图；

对所述多组通道融合特征图进行Squeeze特征压缩以得到多尺度通道特征图；

对所述多尺度通道特征图进行Excitation、Sigmoid、Softmax操作以得到所述多尺度通道特征图的通道注意力权重；

根据所述多尺度通道特征图的通道注意力权重对所述多组通道融合特征图进行加权，并将加权后的所述多组通道融合特征图进行维度拼接以得到所述第一特征图。