[发明专利]融合多注意力机制的工件缺陷检测方法和装置

说明书

本发明提供了一种融合多注意力机制的工件缺陷检测方法和装置，所述方法包括以下步骤：构建多注意力缺陷检测模型，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；对目标检测图像进行标注和扩增得到二次目标检测图像；将二次目标检测图像划分为训练集和验证集；根据训练集和验证集对多注意力缺陷检测模型进行训练；采用训练后的多注意力缺陷检测模型对待检测工件进行缺陷检测。本发明既具有Unet网络模型的轻量、推理速度快的优点，又能够有效地提取更细粒度的多尺度空间信息，从而能够保证使卷积能利用全局信息来计算目标像素，进而能够提高分割精度。

技术领域

本发明涉及缺陷检测技术领域，具体涉及一种融合多注意力机制的工件缺陷检测方法和一种融合多注意力机制的工件缺陷检测装置。

背景技术

在工业产品生产流程中，质检是关键环节，而产品表面的外观缺陷质检在制造业中更是一个非常普遍的问题。工业产品出厂前需要对产品的表面状态进行检测，需要获得缺陷的边缘轮廓信息和缺陷的像素分辨率大小来评定缺陷的等级，方便质检人员自定检测的严苛程度和生产车间优化生产工艺。工件表面的许多缺陷与背景之间的差异是非常微小的，在灰度上是逐渐过渡的，这给边界模糊的缺陷分割带来了困难。

此外，传统的缺陷检测算法，一般需要大量的缺陷检测数据，但是工件表面缺陷检测数据量极为有限，难以满足模型训练数据量要求，导致模型的分割精度不足，难以满足实际生产的要求。

发明内容

本发明为解决上述技术问题，提供了一种融合多注意力机制的工件缺陷检测方法，既具有Unet网络模型的轻量、推理速度快的优点，又能够有效地提取更细粒度的多尺度空间信息，从而能够保证使卷积能利用全局信息来计算目标像素，进而能够提高分割精度。

本发明采用的技术方案如下：

一种融合多注意力机制的工件缺陷检测方法，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。

根据本发明的一个实施例，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。

根据本发明的一个实施例，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。

根据本发明的一个实施例，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。