一种基于改进的CenterNet网络的核电站设备表面缺陷检测方法

摘要

本发明公开了一种基于改进的CenterNet网络的核电站设备表面缺陷检测方法，首先获取核电站设备表面图片并对其进行预处理；其次利用DLAseg网络对预处理后的图片进行特征提取，得到下采样特征图，再分别使用多种不同卷积核对得到的下采样特征图进行卷积操作，得到设备表面缺陷点的热图、偏移值以及尺寸，再将得到的热图转换成预测框，并根据偏移值和尺寸得到多个缺陷点的检测框，再利用Soft_NMS和置信度阈值去除冗余的检测框，得到设备缺陷的预测结果；最后将得到的预测结果输入神经网络进行训练，得到设备缺陷的检测结果，本方案无需调与锚点框相关的各种超参数，检测模型更加简洁，不需要大量的先验知识，其收敛速度更快，极大节省了训练模型所需要的时间。