[发明专利]一种基于等变正则化自监督注意力网络的金属表面缺陷检测方法、设备和储存介质

权利要求书

1.一种基于等变正则化自监督注意力网络的金属表面缺陷检测方法，其特征在于：包括以下步骤：

S1.对图像分割网络训练时，使用SEAM算法利用孪生网络结构融合等变注意力机制进行对比学习，设计易于插入的高响应区域抑制模块提升SEAM的特征提取效果来获取目标区域生成伪掩膜；

S2.采用上一阶段产生的伪掩膜作为监督信息训练全监督语义分割模型，实现端到端算法；

S3.再根据因果图推断消除类间模糊，将类间模糊模块生成的特征M拼接到ResNet38的较高层Block5特征层中，再进行新一轮的训练，可以利用到前一轮的训练结果去优化下一轮的特征的学习，经过多次循环，获取更优的分割结果。

2.根据权利要求1所述的一种基于等变正则化自监督注意力网络的金属表面缺陷检测方法，其特征在于：通过孪生网络分别将输入映射到新空间，通过损失函数计算评价两个输入的相似度，通过减小损失使得两个图像生成的掩码信息经过变换后趋向一致。

3.根据权利要求1所述的一种基于等变正则化自监督注意力网络的金属表面缺陷检测方法，其特征在于：图像分割网络采用弱监督训练获得。

4.根据权利要求1所述的一种基于等变正则化自监督注意力网络的金属表面缺陷检测方法，其特征在于：所述图像分割网络采用SEAM网络，所述SEAM网络基于ResNet38+HRAS网络构建，所述ResNet38网络中添加注意力模块。

5.根据权利要求1所述的一种基于等变正则化自监督注意力网络的金属表面缺陷检测方法，其特征在于：所述S3中采用因果图推断消除类间模糊，建立结构化的因果图模型，使用后门干预手段消除金属表面缺陷数据集中相似缺陷造成的混淆影响。

6.根据权利要求1所述的一种基于等变正则化自监督注意力网络的金属表面缺陷检测方法，其特征在于：所述S1中设计了融合通道注意力的高响应区域抑制模块(DRS)提升SEAM的特征提取效果。

7.根据权利要求1所述的一种基于等变正则化自监督注意力网络的金属表面缺陷检测方法，其特征在于：通过可学习的抑制因子来削弱网络对显著特征的关注度，然后通过替换主干网络中的残差单元的激活函数层ReLU的方式集成到SEAM网络中。

8.根据权利要求1所述的一种基于等变正则化自监督注意力网络的金属表面缺陷检测方法，其特征在于：包括用于获取待分割图像的图像获取模块和用于将待分割图像输入训练好的图像分割网络中对待分割图像进行分割的的图像分割模块；其中图像分割网络训练中，通过具有高响应区域抑制模块(DRS)的SEAM网络得到类激活图(CAM),从而生成伪标签，再经过类间模糊消除模块(IAE)得到最终的伪标签作为训练标签对图像分割网络进行训练。

9.一种电子设备，其特征在于：包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成权利要求1-7任一项所述的一种基于等变正则化自监督注意力网络的金属表面缺陷检测的步骤。

10.一种计算机可读储存介质，其特征在于：用于存储计算机指令，所述计算机指令被处理器执行时，完成权利要求1-7任一项所述的一种基于等变正则化自监督注意力网络的金属表面缺陷检测的步骤。