基于改進(jìn)可變形-端到端目標(biāo)檢測(cè)模型的竹片缺陷檢測(cè)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(shù)的竹片缺陷檢測(cè)方案，但這些方案檢測(cè)存在種類較少、實(shí)用性較差且難以部署在機(jī)器上等缺陷，為此，提出一種改進(jìn)的竹片缺陷檢測(cè)模型。該模型為改進(jìn)的可變形-端到端目標(biāo)檢測(cè)（Deformable-DETR）模型，首先將骨干網(wǎng)絡(luò)替換成由DCNv3卷積為核心而堆疊設(shè)計(jì)的InternImage，該網(wǎng)絡(luò)在保留卷積神經(jīng)網(wǎng)絡(luò)（CNN）先驗(yàn)特性的情況下還能捕捉到長(zhǎng)距離依賴，使提取到的特征空間語(yǔ)義更豐富；然后在特征提取后新增一個(gè)采樣模塊，該采樣模塊將圖像特征抽象為精細(xì)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(yǔ)義前景信息；最后引入一種新穎的協(xié)作混合分配訓(xùn)練策略，該策略通過(guò)訓(xùn)練由一對(duì)多標(biāo)簽分配監(jiān)督的多個(gè)并行輔助頭，提高編碼器在端到端檢測(cè)器中的學(xué)習(xí)能力。（剩余15158字）