专利交易市场

本发明提供一种带噪声标签的分割模型的金属表面缺陷检测方法及系统，其中方法包括：将获取的待检测图像输入事先训练收敛的分割模型中，得到模型输出；依据模型输出，定位缺陷检测结果；其中，分割模型包括：基线网络、空间注意力模块和标签矫正模块。本发明的带噪声标签的分割模型的金属表面缺陷检测方法及系统，通过每次迭代时利用模型输出的预测值来判断需要矫正的标签，并将其修正为更准确的标签，从而提高网络的性能，进而提高了缺陷检测能力。

本发明涉及图像数据处理领域，具体涉及一种金属表面缺陷检测方法，通过获取待检测金属表面图像中的疑似异常灰度值和疑似正常灰度值，根据疑似异常灰度值和疑似正常灰度值获取疑似异常像素点，利用不同尺寸的窗口获取每个疑似异常像素点在每种尺寸的窗口内的疑似异常像素点个数和灰度值得到每个疑似异常像素点的异常程度，根据每个疑似异常像素点的异常程度和异常程度阈值得到待检测金属表面图像中的疑似异常区域和疑似正常区域，利用疑似异常区域得到准确的异常灰度值，并利用分段线性变换函数对异常灰度值进行特征增强，对正常灰度值进行抑制，使得待检测金属表面图像中的异常缺陷更加明显，提高了检测精度。

本发明公开了一种具有增强特征融合能力的金属表面缺陷检测方法及系统，其方法包括：根据预设样本金属的缺陷信息构建标注有预设样本金属表面缺陷的数据集；获取原始YOLOv7‑tiny检测模型并将原始YOLOv7‑tiny检测模型中的所有ELAN‑T模块均替换为C5New3模块，获取第一检测模型；在第一检测模型的模型网络中加入具有自适应加权特征融合能力的add模块，获取第二检测模型；将第二检测模型的边界框回归损失函数进行替换，获取第三检测模型；利用数据集对第三检测模型进行迭代训练，在第三检测模型收敛后选取最佳检测模型作为最终的金属表面缺陷检测模型；利用金属表面缺陷检测模型对待检测金属进行表面缺陷检测。实现了高速、准确且鲁棒性强的金属表面缺陷检测。