CN119006434B 基于双重视觉状态空间模型的皮带撕裂检测方法和系统 （北京科技大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN119006434B(45)授权公告日2025.07.01

(21)申请号202411201826.4

(22)申请日2024.08.29

(65)同一申请的已公布的文献号申请公布号CN119006434A

(43)申请公布日2024.11.22

(73)专利权人北京科技大学

地址100083北京市海淀区学院路30号

(72)发明人张天翔刘茜李江昀袁立

王宏

(74)专利代理机构北京市广友专利事务所有限责任公司11237

专利代理师邓琳张仲波

(51)Int.CI.

GO6V10/774(2022.01)

GO6V10/80(2022.01)

GO6V10/42(2022.01)

GO6V10/44(2022.01)

(56)对比文件

CN118333979A,2024.07.12CN115546502A,2022.12.30审查员程浩瑞

GO6T7/00(2017.01)

GO6V10/764(2022.01)权利要求书4页说明书11页附图4页

(54)发明名称

基于双重视觉状态空间模型的皮带撕裂检测方法和系统

(57)摘要

CN119006434B本发明公开一种基于双重视觉状态空间模型的皮带撕裂检测方法和系统，包括：将待检测皮带表面图像输入训练完成的皮带撕裂图像缺陷检测主干网络，这个主干网络由图像序列化模块、双重视觉状态空间皮带撕裂图像特征提取网络、多尺度特征融合模块和双分支目标检测输出模块组成；图像序列化模块，将图像进行序列化，输出图像序列和图像微序列；双重视觉状态空间皮带撕裂图像特征提取网络，提取皮带撕裂小目标缺陷全局语义类别信息和局部细节信息；多尺度特征融合模块，进行多尺度特征融合得到三种尺寸的图像融合特征；双分支目标检测输出模块，使用两个分支分别做目标识别和分类任务，

CN119006434B

获取待检测皮带表面图像

将所述待检测皮带表面图像输入训练完成的皮带撕裂图像缺陷检测

主干网络，检测输出目标检测结果，所述皮带撕裂图像缺陷检测主

干网络由图像序列化模块、双重视觉状态空间皮带撕裂图像特征提

取网络、多尺度特征融合模块和双分支目标检测输出模块组成

S2

CN119006434B权利要求书1/4页

2

1.一种基于双重视觉状态空间模型的皮带撕裂检测方法，其特征在于，所述方法包括：

S1、获取待检测皮带表面图像；

S2、将所述待检测皮带表面图像输入训练完成的皮带撕裂图像缺陷检测主干网络，检测输出目标检测结果，所述皮带撕裂图像缺陷检测主干网络由图像序列化模块、双重视觉状态空间皮带撕裂图像特征提取网络、多尺度特征融合模块和双分支目标检测输出模块组成；

其中，所述图像序列化模块，将所述待检测皮带表面图像进行序列化，输出图像序列和图像微序列；

所述双重视觉状态空间皮带撕裂图像特征提取网络，使用双重视觉状态空间特征提取模块，提取皮带撕裂小目标缺陷全局语义类别信息和局部细节信息；

所述多尺度特征融合模块，使用基于视觉状态空间特征提取模块的特征金字塔结构，进行多尺度特征融合，得到三种尺寸的图像融合特征；

所述双分支目标检测输出模块，使用两个分支，利用所述三种尺寸的图像融合特征，分别做目标识别和分类任务，并输出最终的目标检测结果；

所述图像序列化模块，先将所述待检测皮带表面图像进行图像切块，得到多个图像块；再将每个图像块进行图像局部切块，得到多个局部图像块；

再利用卷积下采操作，将切块后的图像块和局部图像块，分别转换成图像序列和图像微序列这两个图像序列对，所述图像序列和图像微序列都是离散的二维图像序列；

所述双重视觉状态空间特征提取模块中的第一个双重视觉状态空间特征提取模块，将所述图像序列和图像微序列作为输入，首先利用一个由视觉状态空间特征提取模块构成的局部视觉状态空间分支，提取所述图像微序列内部的图像局部特征，并且和输入的图像序列通过相加的方式进行特征融合，然后将融合后的序列特征送入另一个由视觉状态空间特征提取模块构成的全局视觉状态空间分支，提取图像序列间的长距离全局语义类别信息，同时建模