(19)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 202211298772.9 (22)申请日 2022.10.24 (71)申请人 山东省计算中心 （国家超 级计算济 南中心） 地址 250000 山东省济南市历下区科院路 19号 (72)发明人 邵瑞　张泽恺　李刚　周鸣乐　 李敏　张成　伊长乐　韩德隆　 (74)专利代理 机构 济南圣达知识产权代理有限 公司 372 21 专利代理师 李琳 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/77(2022.01) G06V 10/774(2022.01)G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于多路径和多尺度特征融合的酒瓶缺陷 检测方法及系统 (57)摘要 本发明公开的基于多路径和多尺度特征融 合的酒瓶缺陷检测方法及系统， 属于工业检测技 术领域， 包 括： 获取酒瓶RGB图像； 根据RGB图像和 训练好的酒瓶缺陷检测模型中， 获得酒瓶缺陷检 测结果， 其中， 酒瓶缺陷检测模型包括多个依次 连接的残差提取模块， 后三个残差提取模块中的 每个残差提取模块均依次连接上采样网络、 注意 力增强块和检测单元， 三个上采样网络按照从与 最后一个残差提取模块连接的上采样网络到与 倒数第三个残差提取模块连接的上采样网络的 方向依次连接， 每个上采样网络与残差提取模块 之间还设置路径增强模块， 残差提取模块的输出 输入到路径增强模块中， 路径增强模块的输出输 入到上采样网络中。 提高了酒瓶缺陷检测的准确 性。 权利要求书2页 说明书6页 附图2页 CN 115375677 A 2022.11.22 CN 115375677 A 1.基于多路径和多尺度特 征融合的酒瓶 缺陷检测方法， 其特 征在于， 包括： 获取酒瓶RGB图像； 根据RGB图像和训练好的酒瓶缺陷检测模型中， 获得酒瓶缺陷检测结果， 其中， 酒瓶缺 陷检测模型包括多个依次连接的残差提取模块， 后三个残差提取模块中的每个残差提取模 块均依次连接上采样网络、 注意力增强块和检测单元， 三个上采样网络按照 从与最后一个 残差提取模块连接的上采样网络到与倒数第三个残差提取模块连接的上采样网络的方向 依次连接， 每个上采样网络与残差提取模块之间还设置路径增强模块， 残差提取模块的输 出输入到路径增强模块中， 路径增强模块的输出输入到上采样网络中。 2.如权利要求1所述的基于多路径和多尺度特征融合的酒瓶缺陷检测方法， 其特征在 于， 每一个残差提取模块均由三个卷积、 批标准 化和激活函数组成。 3.如权利要求1所述的基于多路径和多尺度特征融合的酒瓶缺陷检测方法， 其特征在 于， 每个路径增强模块均是先经过一个卷积层进行通道转换， 再经过一个大卷积核结构进 行缺陷特征提取， 之后再经过一个由卷积、 批标准化和激活函数组成的特征提取组， 其中， 使用小卷积核或空洞卷积组合实现大 卷积核的感受野。 4.如权利要求1所述的基于多路径和多尺度特征融合的酒瓶缺陷检测方法， 其特征在 于， 酒瓶缺陷检测模 型采用多任务损失函数， 多任务损失函数为类别损失、 置信度损失和框 回归损失之和。 5.如权利要求1所述的基于多路径和多尺度特征融合的酒瓶缺陷检测方法， 其特征在 于， 注意力增强块包括依 次连接的空间注意力块和通道注意力块， 空间注意力块获取输入 其中的每一张特征图中的全局平均值和全局最大值， 并将全局平均值和全局最大值在通道 维度上进行聚合， 获得双倍通道的特征信息， 对双倍通道的特征信息进行降维和激活后输 出， 空间注意力块输出的特 征输入通道 注意力块中， 通道 注意力块 为不同通道进行加权 。 6.如权利要求5所述的基于多路径和多尺度特征融合的酒瓶缺陷检测方法， 其特征在 于， 空间注意力块对降维后的双倍通道的特征信息使用tanh函数进 行激活后， 再使用exp函 数保证激活后的非线性数据全部变为 正数； 通道注意力块获取每一通道上特征图的全局平均值， 将所有全局平均值经过一个全连 接层进行 特征组合， 获得组合特 征， 将组合特 征经sigmoid函数进行激活后输出。 7.如权利要求1所述的基于多路径和多尺度特征融合的酒瓶缺陷检测方法， 其特征在 于， 利用训练集对酒瓶缺陷检测模型进 行训练， 获得训练好的酒瓶缺陷检测模型， 且在训练 时， 将训练集中的酒瓶 RGB图像输入酒瓶缺陷检测模型中， 酒瓶缺陷检测模型输出多个矩形 框， 利用非极大值抑制算法从多个矩形框中选取 出最优的矩形框为酒瓶 缺陷检测结果。 8.基于多路径和多尺度 特征融合的酒瓶缺陷检测系统， 其特征在于， 执行权利要求1 ‑7 任一项所述的基于多路径和多尺度特 征融合的酒瓶 缺陷检测方法， 包括： 图像获取模块， 用于获取酒瓶RGB图像； 酒瓶缺陷检测模块， 用于根据RGB图像和训练好的酒瓶缺陷检测模型中， 获得酒瓶缺陷 检测结果， 其中， 酒瓶缺陷检测模型包括多个依次连接的残差提取模块， 后三个残差提取模 块中的每个残差提取模块均依 次连接上采样网络、 注意力增强块和检测单元， 三个上采样 网络按照从与最后一个残差提取模块连接的上采样网络到与倒数第三个残差提取模块连 接的上采样网络的方向依次连接， 每个上采样网络与 残差提取模块之 间还设置路径增强模权　利　要　求　书 1/2 页 2 CN 115375677 A 2块， 残差提取模块的输出输入到路径增强模块中， 路径增强模块的输出输入到上采样网络 中。 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任一项所述的基 于多路径和多尺度特 征融合的酒瓶 缺陷检测方法的步骤。 10.一种计算机可读存储介质， 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任一项所述的基于多路径和多尺度特征融合的酒瓶缺陷 检测方法的步骤。权　利　要　求　书 2/2 页 3 CN 115375677 A 3