一种基于多尺度对角残差注意力机制的WPCB元器件检测方法及系统
本发明涉及计算机视觉技术及固废资源化领域,特别涉及一种基于多尺度对角残差注意力机制的wpcb元器件检测方法及系统。
背景技术:
1、随着全球电子废弃物(e-waste)产生量的急剧增加,对废旧印刷电路板(wpcbs)进行自动化拆解、回收与精细化价值评估已成为实现循环经济的关键环节。在智能回收流水线上,高精度的元器件级视觉定位是后续机械臂无损拆解和精准定价的核心基础。
2、然而,在实际的工业回收场景中,现有的计算机视觉目标检测技术面临着极其严峻的挑战,具体表现在以下几个方面: 首先,wpcb表面呈现出极端的复杂性。元器件高密度聚集,且伴随着极其复杂的电磁屏蔽走线、金属焊盘以及强烈的局部高光反射干扰。传统的卷积神经网络(如早期的yolo系列算法)主要依赖各向同性的局部感受野,极易因背景纹理干扰而产生特征粘连和漏检,甚至将复杂走线误判为元器件。 其次,现有注意力机制与pcb物理特征不匹配。虽然近年来涌现出诸多注意力机制(如se、cbam或ca),但这些方法多侧重于全局权重分配或水平/垂直方向的正交编码。而wpcb上的微电子元器件(如密集的芯片引脚阵列、电容斜向边界)普遍具备强烈的刚性对角线或任意斜向几何结构。标准卷积和现有的空间注意力机制由于缺乏对“对角线”方向的显式空间几何约束,难以精确锁定这些倾斜目标的物理边界,导致定位框模糊、重叠。 最后,工业实时部署与模型复杂度的矛盾。部分前沿研究试图通过盲目堆叠高复杂度的多维注意力模块或引入transformer架构来提升精度。这种做法不仅导致模型参数量与计算开销暴增,无法满足自动化回收流水线高吞吐量、低延迟(毫秒级)的严苛要求;同时,复杂的网络结构在训练初期极易引发梯度扰动,导致模型在面临复杂多变的工业数据集时难以平稳收敛。
技术实现思路
1、为解决现有技术中wpcb背景纹理干扰严重、对角边界定位模糊以及训练不稳定的问题,提供一种基于多尺度对角残差注意力机制的wpcb元器件检测方法及系统。
2、第一方面,本发明实施例提供了一种基于多尺度对角残差注意力机制的wpcb元器件检测方法,包括:
3、获取待检测的wpcb工业图像,并对获取的工业图像进行预处理;
4、利用预设的主干特征提取网络对预处理后的图像进行多尺度特征提取,得到深、中、浅层特征图;
5、利用对角残差注意力模块对深、中、浅层特征图进行多角度结构几何特征增强得到增强特征图;所述对角残差注意力模块通过对标准卷积核施加双对角方向掩码约束以锁定对角位置的权重学习来提取对角增强特征,并通过带有可学习标量系数α的门控残差结构将所述对角增强特征与原始输入特征图进行融合;所述可学习标量系数α在模型训练初始化阶段被设置为0,并在训练过程中自适应更新;
6、将所述增强特征图输入至检测头中进行边界框回归和类别分类,输出wpcb元器件的检测与计数结果。
7、优选的,所述施加双对角方向掩码约束的方法包括:
8、定义标准深度可分离卷积核w;
9、构建主对角线二进制掩码和副对角线二进制掩码;
10、通过哈达玛积运算获得有效方向卷积核以及,以将单通道有效参数量由9个限制至3个。
11、优选的,所述主对角线二进制掩码和副对角线二进制掩码分别包括:
12、。
13、优选的,所述门控残差机制的表达式为:
14、
15、其中,x为输入特征图,和分别为基本空间响应和对角方向响应的门控激活项,为可学习的标量系数。
16、优选的,所述基本空间响应的门控激活项和对角方向响应的门控激活项的生成方法包括:分别对所述输入特征图x和所述对角增强特征进行全局平均池化降维;通过1×1卷积层进行通道信息交互;经sigmoid函数激活后,施加-0.5的平移操作以约束至对称分布区间;分别生成和。
17、优选的,所述可学习标量系数α在训练过程中自适应更新的方法包括:
18、在模型训练初始化阶段,将所述标量系数α严格初始化为0,使得所述对角残差注意力模块在训练初期等效于恒等映射,随着反向传播算法的迭代动态更新α以渐进式激活对角特征增强。
19、优选的,对预处理后的图像进行多尺度特征提取的方法包括:
20、将所述主干特征提取网络中的输入特征图在通道维度上均分为g个小组;
21、分别通过尺寸为3×3、5×5、7×7和9×9的深度可分离卷积核对所述g个小组进行并行特征提取;
22、将各小组并行提取的特征在通道维度上进行拼接融合,以自适应对齐不同尺度的元器件目标。
23、第二方面,一种基于多尺度对角残差注意力机制的wpcb元器件检测系统,包括:
24、预处理单元,用于对获取待检测的wpcb工业图像进行预处理;
25、特征提取单元,用于利用预设的主干特征提取网络对预处理后的图像进行多尺度特征提取,得到深、中、浅层特征图;
26、特征增强单元,利用对角残差注意力模块对深、中、浅层特征图进行多角度结构几何特征增强得到增强特征图;所述对角残差注意力模块通过对标准卷积核施加双对角方向掩码约束以锁定对角位置的权重学习来提取对角增强特征,并通过带有可学习标量系数α的门控残差结构将所述对角增强特征与原始输入特征图进行融合;所述可学习标量系数α在模型训练初始化阶段被设置为0,并在训练过程中自适应更新;
27、目标输出单元,用于将所述增强特征图输入至检测头中进行边界框回归和类别分类,输出wpcb元器件的检测与计数结果。
28、第三方面,一种电子设备,包括:
29、一个或多个处理器;
30、存储器,用于存储一个或多个程序;
31、当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现所述的一种基于多尺度对角残差注意力机制的wpcb元器件检测方法。
32、第四方面,一种计算机可读介质,所述计算机可读介质上存储有计算机程序,所述计算机程序被处理器执行时实现所述的一种基于多尺度对角残差注意力机制的wpcb元器件检测方法。
33、本发明的有益效果为:
34、在保证轻量化和毫秒级实时推理的前提下,极大提升了密集区域微小、罕见贵金属元器件的召回率(recall),整体达到了89.44%,为工业级智能化矿山回收提供了强鲁棒性的基准模型。
1.一种基于多尺度对角残差注意力机制的wpcb元器件检测方法,其特征在于,包括:
2.根据权利要求1所述的基于多尺度对角残差注意力机制的wpcb元器件检测方法,其特征在于,所述施加双对角方向掩码约束的方法包括:
3.根据权利要求2所述的基于多尺度对角残差注意力机制的wpcb元器件检测方法,其特征在于,所述主对角线二进制掩码和副对角线二进制掩码分别包括:
4.根据权利要求1所述的基于多尺度对角残差注意力机制的wpcb元器件检测方法,其特征在于,所述门控残差机制的表达式为:
5.根据权利要求4所述的基于多尺度对角残差注意力机制的wpcb元器件检测方法,其特征在于,所述基本空间响应的门控激活项和对角方向响应的门控激活项的生成方法包括:分别对所述输入特征图x和所述对角增强特征进行全局平均池化降维;通过1×1卷积层进行通道信息交互;经sigmoid函数激活后,施加-0.5的平移操作以约束至对称分布区间;分别生成和。
6.根据权利要求1所述的基于多尺度对角残差注意力机制的wpcb元器件检测方法,其特征在于,所述可学习标量系数α在训练过程中自适应更新的方法包括:
7.根据权利要求1所述的基于多尺度对角残差注意力机制的wpcb元器件检测方法,其特征在于,对预处理后的图像进行多尺度特征提取的方法包括:
8.一种基于多尺度对角残差注意力机制的wpcb元器件检测系统,其特征在于,包括:
9.一种电子设备,其特征在于,包括:
10.一种计算机可读介质,所述计算机可读介质上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任一所述的一种基于多尺度对角残差注意力机制的wpcb元器件检测方法。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com