(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210221014.0 (22)申请日 2022.03.09 (71)申请人 齐鲁工业大学 地址 250353 山东省济南市长清区大 学路 3501号 (72)发明人 李刚　邵瑞　李敏　周鸣乐　 (74)专利代理 机构 济南格源知识产权代理有限 公司 373 06 代理人 刘晓政 (51)Int.Cl. G06T 7/00(2017.01) G06V 20/00(2022.01) G06V 10/26(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01)G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) (54)发明名称 一种基于PFNet的工业品伪装瑕疵 识别方法 (57)摘要 本发明涉及工业检测领域， 具体涉及利用机 器学习、 深度学习的一种基于PFNet 的工业品伪 装瑕疵识别方法,包括如下步骤:步骤 （1） 工业品 经过生产线和质检机上的工业相机， 工业相机对 工业品进行拍摄， 拍摄的 图像被保存； 步骤 （2） 基 于PFNet搭建伪装瑕疵检测模型， 模型包括特征 提取模块、 定位模块和三个聚焦模块； 步骤 （3） 对 步骤 （2） 中所构建的PFNet模型进行训练， 然后使 用保存的训练参数对工业品的图像进行伪装瑕 疵识别。 本发明经过数据的训练所得出的模型， 具有更高的灵活性和识别精度， 具有很好的实用 价值和应用前 景。 权利要求书2页 说明书5页 附图1页 CN 114332083 A 2022.04.12 CN 114332083 A 1.一种基于PFNet的工业品伪装瑕疵 识别方法， 其特 征在于包括如下步骤: 步骤 （1） 工业品经过生产线和质检机上的工业相机， 工业相机对工业品进行拍摄， 拍摄 的图像被保存； 步骤 （2） 基于PFNet搭建伪装瑕疵检测模型， 模型包括特征提取模块、 定位模块和三个 聚焦模块； 步骤 （3） 对步骤 （2） 中所构建的PFNet模型进行训练， 然后使用保存的训练参数对工业 品的图像进行伪装瑕疵 识别。 2.根据权利要求1所述基于PFNet的工业品伪装瑕疵 识别方法， 其特 征在于， 步骤 （1） 中工业相机采用CCD工业相机， CCD工业相机搭配光源获取 图像， CCD工业相机 包括面阵CCD 工业相机、 线阵CCD 工业相机、 三线传感器CCD工业相机、 交织传输CCD 工业相机 以及全幅面C CD工业相机； 光源 包括环形光源、 条 形光源、 点 光源、 方形光源以及同轴光源。 3.根据权利要求1或2所述基于PFNet的工业品伪装瑕疵 识别方法， 其特 征在于， 步骤 （1） 中对工业品图像进行 标注： 使用labelme 标注工具进行 标注。 4.根据权利要求1所述基于PFNet的工业品伪装瑕疵 识别方法， 其特 征在于， 步骤 （2） 中模型包括五层特 征提取模块、 一个定位模块和三个聚焦模块。 5.根据权利要求 4所述基于PFNet的工业品伪装瑕疵 识别方法， 其特 征在于， 五层特征提取模块基于具有特征提取能力的网络CSPDarkNet53实现， 输入是包含有伪 装瑕疵的工业品RGB三通道图像， 提取到的多等级特征依次分等级送入定位模块和聚焦模 块； 其中， 输入图像分辨率为416 ×416大小， 在 经过第一层处理后变成208 ×208大小， 经过 第二层处理后变成104 ×104大小， 经过第三层 处理后变成52 ×52大小， 经过第四层处理后 变成26×26大小， 经 过最后一层处 理后变成13 ×13大小； 其中， 每一层处 理的目的， 在于提取工业品中伪装瑕疵特 征。 6.根据权利要求5所述基于PFNet的工业品伪装瑕疵 识别方法， 其特 征在于， 定位模块用来初步确定 工业品图像中潜在伪装瑕疵的位置， 定位模块输出表示 为F1： ， 其中， F11为通道注意力机制输出的特 征图， F12为空间注意力机制输出的特 征图； 其中， L是初始化为1并逐步变化的参数， F为输入定位模块的特征图且F∈RH×W×C， H、 W和 C分别表示图像的高度、 宽度和通道数量， Q、 K、 V均是对输入定位模块的特征图的重塑， 其中 {Q， K， V}∈RN×C并且N＝H×W，“*”表示矩阵乘法； 其中， Q1、 K1、 V1均是对F1 1特征图的重塑， 其中{Q1、 K1、 V1}∈RN×C并且N＝H×W；权　利　要　求　书 1/2 页 2 CN 114332083 A 2在定位模块的最后， 本方法使用3个3 ×3的卷积确定潜在伪装瑕疵的初始位置 。 7.根据权利要求6所述基于PFNet的工业品伪装瑕疵 识别方法， 其特 征在于， 聚焦模块用来获得对工业品图像中伪装瑕疵更优的细节信 息预测， 消除工业品图像中 伪装瑕疵因与周围环境相似形成的干扰信息； 在本方法的设计中， 去除干扰信息采用如下 公式： 其中， F和Fr分别表示输入的高等级特征和微调后的输出特征； conv表示卷积， BN表示 正则化， ReLU表示ReLU激活； U表示上采样， Ffpd表示假阳性干扰信息， Ffnd表示假阴性干扰 信息； 在聚焦模块的最后， 通过对Fr的卷积 操作。 8.根据权利要求7 所述基于PFNet的工业品伪装瑕疵 识别方法， 其特 征在于， 在步骤 （2） 聚焦模块中， 上下文探索块CE有四个上下文探索分支， 每个分支使用3 ×3的 卷积来缩减通道， Li×Li的卷积提取局部特征， 扩张率为Ri的3×3扩张卷积来进行语境感 知， 设置L为1， 3， 5， 9， 设置R为1， 2， 6， 8， i等于{1， 2， 3， 4}； 第 i个CE分支的输出送进第(i+1) 个分支以获得在更大感受野中进 行的处理； 所有的四个分支的输出通过3 ×3卷积进行级联 和融合。权　利　要　求　书 2/2 页 3 CN 114332083 A 3