[发明专利]一种屋面板缺陷检测方法和系统

说明书

本发明涉及一种屋面板缺陷检测方法和系统，属于图像处理技术领域。本发明提供的屋面板缺陷检测方法，通过采用基于YOLOv5‑MCA网络模型的屋面板缺陷检测分类模型对屋面板是否存在缺陷进行自动化检测，能够显著提高屋面板缺陷检测的精确性和效率。

技术领域

本发明涉及缺陷检测技术领域，特别是涉及一种屋面板缺陷检测方法和系统。

背景技术

大型建筑（机场、工厂、火车站等）屋面通常采用钢板搭建，屋面板在辐射、温差、大雪、风、雨等恶劣环境下容易发生腐蚀、断裂、漏水、撕裂以及屋面掀翻的风险，传统的人工检测方法需要工人登高进行肉眼观测，这种方法不仅准确率低、效率低，还存在一定的危险系数。因此，本领域亟需提供一种自动化屋面板检测方法以提高检测准确度和效率。

发明内容

为解决现有技术存在的上述问题，本发明提供了一种屋面板缺陷检测方法和系统。

为实现上述目的，本发明提供了如下方案：

一种屋面板缺陷检测方法，包括：

构建屋面板缺陷检测分类模型；所述屋面板缺陷检测分类模型为训练好的YOLOv5-MCA网络模型；所述YOLOv5-MCA网络模型为改进后的YOLOv5网络模型；所述YOLOv5-MCA网络模型包括：融合有多光谱通道注意力机制模块的骨干网络、加入有门限通道变换模块的Neck层和检测头；

获取待检测屋面板的图像数据；

将所述图像数据输入屋面板缺陷检测分类模型得到检测结果。

优选地，所述构建屋面板缺陷检测分类模型，具体包括：

获取YOLOv5网络模型；所述YOLOv5网络模型的骨干网络包括：CSP1_1结构、第一CBL结构、CSP1_3结构和SPP网络；

对所述CSP1_1结构的输出进行正则化处理后输入特征融合模块；所述特征融合模块的操作采用公式F_i=C_i+L(Conv(F_i-1))描述，其中，L代表L2正则化，Conv代表卷积操作，当i=2时，F_i=C_i；

在所述CSP1_3结构和所述第一CBL结构之间以及SPP网络之后均设置多光谱通道注意力机制模块；所述多光谱通道注意力机制模块的输入为所述CSP1_3结构的输出或所述SPP网络的输出；所述多光谱通道注意力机制模块的输出为ms_att：ms_att=sigmoid(fc(Freq))；其中，fc()为全连接层映射函数，Freq为多光谱向量，sigmoid为sigmoid函数；

将门限通道变换模块融合至所述YOLOv5网络模型的Neck层中；

将所述YOLOv5网络模型采用的非极大值抑制方法替换为SoftNMS方法。

优选地，将所述门限通道变换模块添加至所述YOLOv5网络模型的Neck层的第一个CSP1_2结构之后。

优选地，对所述YOLOv5-MCA网络模型进行训练的过程，包括：

构建训练集；