本發明公開了一種基于嵌入自注意力門模塊的yolov3網絡的鋰電池缺陷檢測方法,包括采集含有待檢測缺陷的鋰電池圖像,并將采集的圖像統一縮放至合適大??;利用嵌入自注意力門模塊的yolov3網絡進行特征提??;其中,自注意力門模塊包括多尺度特征融合模塊和自注意力機制模塊兩部分;以yolov3網絡模型的darknet?53網絡作為主干網絡進行特征提取。該方法深層特征和淺層特征首先通過自注意力門模塊集成,可以捕獲在空間維度上的上下文信息并抑制淺層特征的復雜背景的冗余信息,然后自注意力門模塊采用空間注意力計算每個像素的權重得到注意力映射圖,充分利用了上下文信息,在處理一些相似的目標缺陷時,上下文信息可以更好地將它們區別開。
聲明:
“基于嵌入自注意力門模塊的yolov3網絡的鋰電池缺陷檢測方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)