[发明专利]基于轻量级YOLOv4的感光元件缺陷检测方法在审
| 申请号： | 202310549489.7 | 申请日： | 2023-05-16 |
| 公开（公告）号： | CN116703830A | 公开（公告）日： | 2023-09-05 |
| 发明（设计）人： | 岳洪伟;张辉;樊亚妮;邢凤闯;陈艳 | 申请（专利权）人： | 广东第二师范学院 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06V10/82;G06V10/44;G06V10/762;G06V10/25;G06V10/776;G06N3/0464;G06N3/096;G06N3/0495;G06N3/045;G06N3/086 |
| 代理公司： | 广州市华学知识产权代理有限公司 44245 | 代理人： | 陈隽水 |
| 地址： | 510303 广东*** | 国省代码： | 广东;44 |
| 权利要求书： | 暂无信息 | 说明书： | 暂无信息 |
| 摘要： | 本发明公开了一种基于轻量级YOLOv4的感光元件缺陷检测方法，包括以下步骤：S1：将YOLOv4的主干特征提取网络替换成轻量级网络MobilenetV2；S2：采用K‑Means++算法进行聚类，优化缺陷数据集的锚框；S3：优化YOLOv4损失函数，获得YOLOv4‑MobilenetV2的损失函数；S4：采用迁移学习作为网络训练的迭代策略；S5：构建双分支联合检测网络，对感光元件缺陷进行检测。本发明将YOLOv4的主干特征提取网络替换为轻量级网络MobilenetV2，减少了模型参数并提升检测速度；利用K‑Means++算法针对缺陷数据集筛选出最优的锚框，使网络定位更加准确；利用使用Focal Loss损失函数解决样本分类不均衡问题；利用余弦退火调度器和固定学习率，提高网络的收敛速度和整体性能；设计了双分支联合检测网络，有效地完成了感光元件污点和坏点缺陷检测。 | ||
| 搜索关键词： | 基于 轻量级 yolov4 感光 元件 缺陷 检测 方法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于广东第二师范学院，未经广东第二师范学院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202310549489.7/，转载请声明来源钻瓜专利网。
- 上一篇：一种功能贴
- 下一篇：一种学生入学管理方法、客户端、服务端及系统
