【技术实现步骤摘要】
本专利技术涉及自然图像处理，具体涉及一种构建改进yolov7铝板缺陷识别模型的方法。
技术介绍
1、铝因其卓越的强度、轻量、优异的塑性和耐磨性等特性，被广泛运用于航空航天、化工设备、汽车、船舶、军工等领域。然而，在铝的制造、加工和运输过程中，常见的缺陷包括油漆气包、底部泄液和表面裂纹等，这些缺陷可能对铝的外观和产品性能产生负面影响。因此，对铝表面进行有效的缺陷检测显得尤为重要。
2、铝表面缺陷的特殊性表现在它们通常具有微小的尺寸、多样的形态、尺寸变化和颜色变化。现有目标检测对小尺寸和多样形态问题时表现不佳，导致对特定类型目标出现遗漏和错误检测的一些情况。为有效应对这一挑战，缺陷检测模型需具备对微小尺寸和多样形态的缺陷进行精准定位和识别的能力。
技术实现思路
1、为了有效减少深度微小目标的特征损失，以实现对铝表面的精准缺陷检测，本技术方案提供了一种构建改进yolov7铝板缺陷识别模型的方法，在yolov7模型的基础上引入一种高效的多尺度感知融合网络，采用多层语义感知融合模块用于特征提取网络，增加特征数据；并结合在模型的颈部设置特征金字塔结构，可有效地融合多尺度的特征，可减少背景信息的干扰，从而提高模型对缺陷的检测精度；能有效的解决
技术介绍
中的问题。
2、本专利技术通过以下技术方案实现：
3、一种构建改进yolov7铝板缺陷识别模型的方法，首先，在yolov7模型的主干网络中引入多层语义感知增强模块，用于强化对象的高级特征表示；然后，在网络的颈部设计
4、进一步的，所述的在yolov7模型主干网络中加入多层语义感知融合模块，可以加强主干网络对目标的特征提取，降低背景对目标的影响；具体操作方式为：
5、(1)将主干网络的三个不同特征图c3、c4和c5做为多层语义感知融合模块的输入；
6、(2)通过自适应最大池化模块将特征图c3和c4尺寸压缩为13×13尺寸；
7、(3)将压缩后的c3和c4与c5的特征层数据通过卷积核尺寸为1×1、批归一化层以及leaky relu激活函数，使得每个输出的通道维度相同；
8、(4)将经过处理的c3、c4和c5特征数据进行特征融合，得到特征层f5，作为改进的sppcspc结构的输入。
9、进一步的，所述改进的sppcspc结构包括simam模块、ghost模块、卷积核尺寸为1×1、批归一化层、leaky relu激活函数和spp模块；所述改进的spp cspc结构的操作流程为：
10、(1)将特征层f5作为注意力机制simam模块的输入；
11、(2)将simam模块输出作为ghost模块和卷积核尺寸为1×1、批归一化层以及leakyrelu激活函数输入；
12、(3)ghost模块输出的结果作为spp模块的输入，spp中的最大池化层分别是5×5，9×9，13×13尺寸的感受野尺寸；
13、(4)spp模块特征融合后结果输入ghost模块进行输出；
14、(5)最后将特征层结果融合作为卷积核尺寸为1×1、批归一化层以及leaky relu激活函数输出f5’。
15、进一步的，所述的simam模块是无参数的通道注意力机制，对输入特征进行通道加权，提升模型对各通道信息的关注；simam模块基于能量函数提取基本特征，每个神经元的最小能量可以表示为:
16、
17、
18、其中，t和i分别表示输入特征x∈rh×w×c的目标神经元和空间维度的索引；m代表通道上的神经元数量，m＝h×w，其中，h是高度、w是宽度；β是一个参数值，通常取为α表示对应通道中的所有神经元(除了目标神经元t)计算的平均值；xi表示输入特征x的同一通道内的其它神经元(除了目标神经元t)；
19、由于空间抑制神经元表现出高线性可分性，在α和t上都有明显的偏差，导致et值较低，每个神经元的权重参数的值可以通过来计算；然后根据注意力机制的定义来扩充特征矩阵，并且公式被计算为：
20、
21、其中，e表示在信道和空间维度中分组的权重的整个集合的能量函数；表示输出特征图，与输入特征x相同的特征层尺寸大小；⊙为点积运算最后；sigmoid激活函数用于确定每个神经元在每个位置的权重参数。
22、进一步的，所述的邻近特征金字塔结构采用的是改进后的pan结构，改进pan结构的方式为：在原pan结构的基础上，删除原pan结构中间列上的上下路径。
23、进一步的，所述改进后的pan结构的运行方式为：将f5’、c4和c3的特征信息聚合于邻近特征金字塔结构中间列上的特征融合单元输出；再由右下方为中间列的特征和c3特征信息融合输出，右上方为中间列的特征和f5’的特征信息融合输出。
24、进一步的，所述在结构的内部引入dense block模块是在邻近特征金字塔结构中增加dense block模块，所述dense block模块的具体操作步骤为：
25、(1)首先使用1×1卷积核wk和softmax函数来获得空间注意力权重；
26、(2)将获得权重与原始特征图相乘；
27、(3)接着通过1×1卷积核wv1、layer norm批归一化层以及leaky relu激活函数，来捕获通道上的相互依赖关系；
28、(4)然后通过1×1卷积核wv2进行特征的提取；
29、(5)最后与原始特征图进行相加融合。
30、进一步的，所述dense block模块的公式原理为：
31、
32、
33、
34、
35、其中，公式(4)的e表示自然对数的底，通常称为欧拉常数，其近似值为约2.71828，m是用于表示求和的索引变量。表示未归一化分数矩阵wk的第i行，第j列的元素，np是空间位置的数量；使用指数函数对输入向量中的每个元素进行指数化，以便得到非负的数值，以便后续的归一化操作。
36、公式(5)中是经过softmax函数后的输出权重矩阵；
37、公式(6)中xi'是将与原始特征图xi相乘结果特征图；
38、公式(7)中，wv2(leakyrelu(ln(wv1(xi')))是xi'经过wv1特征转化后经过ln层进行归一化，接着使用leakyrelu进行激活，然后经过wv2完成特征转化后与原始特征图xi进行相加得出特征图zi。
39、有益效果
40、本专利技术提出的一种构建改进yolov7铝板缺陷识别模型的方法，与现有技术相比较，其具有以下有益效果：
41、(1)本专利技术通过引入多层语义感知融合模块于主干网络，强化了对目标的特征提取，有效降低了背景对目标的干扰。借助自适应池化捕获全局上下文信息，结合多层特征提取本文档来自技高网...
【技术保护点】
1.一种构建改进yolov7铝板缺陷识别模型的方法，其特征在于：首先，在yolov7模型的主干网络中引入多层语义感知增强模块，用于强化对象的高级特征表示；然后，在网络的颈部设计邻近特征金字塔结构，同时在结构的内部引入Dense Block模块；巧妙地整合多尺度的特征表示。
2.根据权利要求1所述的一种构建改进yolov7铝板缺陷识别模型的方法，其特征在于：所述的在yolov7模型主干网络中加入多层语义感知融合模块，可以加强主干网络对目标的特征提取，降低背景对目标的影响；具体操作方式为：
3.根据权利要求2所述的一种构建改进yolov7铝板缺陷识别模型的方法，其特征在于：所述改进的SPPCSPC结构包括SimAM模块、Ghost模块、卷积核尺寸为1×1、批归一化层、Leaky ReLU激活函数和SPP模块；所述改进的SPPCS PC结构的操作流程为：
4.根据权利要求3所述的一种构建改进yolov7铝板缺陷识别模型的方法，其特征在于：所述的SimAM模块是无参数的通道注意力机制，对输入特征进行通道加权，提升模型对各通道信息的关注；SimAM模块基
5.根据权利要求1所述的一种构建改进yolov7铝板缺陷识别模型的方法，其特征在于：所述的邻近特征金字塔结构采用的是改进后的PAN结构，改进PAN结构的方式为：在原PAN结构的基础上，删除原PAN结构中间列上的上下路径。
6.根据权利要求5所述的一种构建改进yolov7铝板缺陷识别模型的方法，其特征在于：所述改进后的PAN结构的运行方式为：将F5’、C4和C3的特征信息聚合于邻近特征金字塔结构中间列上的特征融合单元输出；再由右下方为中间列的特征和C3特征信息融合输出，右上方为中间列的特征和F5’的特征信息融合输出。
7.根据权利要求5所述的一种构建改进yolov7铝板缺陷识别模型的方法，其特征在于：所述在结构的内部引入Dense Block模块是在邻近特征金字塔结构中增加Dense Block模块，所述Dense Block模块的具体操作步骤为：
...【技术特征摘要】
1.一种构建改进yolov7铝板缺陷识别模型的方法，其特征在于：首先，在yolov7模型的主干网络中引入多层语义感知增强模块，用于强化对象的高级特征表示；然后，在网络的颈部设计邻近特征金字塔结构，同时在结构的内部引入dense block模块；巧妙地整合多尺度的特征表示。
2.根据权利要求1所述的一种构建改进yolov7铝板缺陷识别模型的方法，其特征在于：所述的在yolov7模型主干网络中加入多层语义感知融合模块，可以加强主干网络对目标的特征提取，降低背景对目标的影响；具体操作方式为：
3.根据权利要求2所述的一种构建改进yolov7铝板缺陷识别模型的方法，其特征在于：所述改进的sppcspc结构包括simam模块、ghost模块、卷积核尺寸为1×1、批归一化层、leaky relu激活函数和spp模块；所述改进的sppcs pc结构的操作流程为：
4.根据权利要求3所述的一种构建改进yolov7铝板缺陷识别模型的方法，其特征在于：所述的simam模块是无参数的通道注意力机...
【专利技术属性】
技术研发人员：江瑜，赵娅，皇甫喜梅，孙雨轩，刘涵裕，魏梦园，蒋青松，杨潇，朱铁柱，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。