基于改進可變形-端到端目標檢測模型的竹片缺陷檢測方法

打開文本圖片集

摘 要：目前，雖然已經(jīng)有一些基于圖像處理技術的竹片缺陷檢測方案，但這些方案檢測存在種類較少、實用性較差且難以部署在機器上等缺陷，為此，提出一種改進的竹片缺陷檢測模型。該模型為改進的可變形-端到端目標檢測（Deformable-DETR）模型，首先將骨干網(wǎng)絡替換成由DCNv3卷積為核心而堆疊設計的InternImage，該網(wǎng)絡在保留卷積神經(jīng)網(wǎng)絡（CNN）先驗特性的情況下還能捕捉到長距離依賴，使提取到的特征空間語義更豐富；然后在特征提取后新增一個采樣模塊，該采樣模塊將圖像特征抽象為精細的前景特征和少量粗糙的背景特征，不僅能去除冗余的背景特征信息，還能提取高語義前景信息；最后引入一種新穎的協(xié)作混合分配訓練策略，該策略通過訓練由一對多標簽分配監(jiān)督的多個并行輔助頭，提高編碼器在端到端檢測器中的學習能力。（剩余15158字）