[发明专利]两分支神经网络缺陷检测方法、装置、设备、介质和产品

权利要求书

1.一种基于注意力机制的两分支卷积神经网络电力设备表面缺陷检测方法，其特征在于，所述方法包括：

基于卷积层构建得到粗特征提取网络；

基于自编码器构建得到形状特征提取分支网络；

基于至少两个残差注意力模块，构建得到纹理特征提取分支网络；

基于所述形状特征提取分支网络和纹理特征提取分支网络，构建得到两分支特征提取网络；

基于最大池化和conv层，构建得到决策网络；

基于将所述粗特征提取网络、两分支特征提取网络和决策网络依序连接，构建得到电力设备表面缺陷检测模型；

获取电力设备的待检测图像，利用所述电力设备表面缺陷检测模型对所述待检测图像进行检测得到所述电力设备的图像检测结果。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

基于特征提取层、映射层、构造层、Sigmod激活函数和注意力掩码，得到所述残差注意力模块。

3.根据权利要求1所述的方法，其特征在于，所述基于将所述粗特征提取网络、两分支特征提取网络和决策网络依序连接，构建得到电力设备表面缺陷检测模型，包括：

将所述粗特征提取网络、两分支特征提取网络和决策网络依序连接，构建得到电力设备表面缺陷检测初始模型；

通过缺陷检测公开数据库对所述电力设备表面缺陷检测初始模型进行训练，构建得到所述电力设备表面缺陷检测模型。

4.根据权利要求3所述的方法，其特征在于，所述训练的损失函数基于平均绝对误差构建。

5.根据权利要求1所述的方法，其特征在于，所述卷积层的卷积核大小为3乘3；所述conv层的卷积核大小为5乘5。

6.根据权利要求1至5任一项所述的方法，其特征在于，所述方法还包括：

获取所述电力设备的待检测初始图像；

通过Matlab软件对所述待检测初始图像进行预处理，得到所述电力设备的待检测图像。

7.一种基于注意力机制的两分支卷积神经网络电力设备表面缺陷检测装置，其特征在于，所述装置包括：

粗特征提取网络构建模块，用于基于卷积层构建得到粗特征提取网络；

形状特征提取分支网络构建模块，用于基于自编码器构建得到形状特征提取分支网络；

纹理特征提取分支网络构建模块，用于基于至少两个残差注意力模块，构建得到纹理特征提取分支网络；

两分支特征提取网络构建模块，用于基于所述形状特征提取分支网络和纹理特征提取分支网络，构建得到两分支特征提取网络；

决策网络构建模块，用于基于最大池化和conv层，构建得到决策网络；

检测模型构建模块，用于基于将所述粗特征提取网络、两分支特征提取网络和决策网络依序连接，构建得到电力设备表面缺陷检测模型；

检测结果得到模块，用于获取电力设备的待检测图像，利用所述电力设备表面缺陷检测模型对所述待检测图像进行检测得到所述电力设备的图像检测结果。

8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。