成果名称：	一种基于特征融合的深度神经网络表面缺陷检测方法	关键字：		应用行业：
高新技术领域：		所在地：		知识产权类型：	发明专利
知识产权编号：	ZL202010469022	成果体现形式：		成果属性：
成果所处阶段：		成果水平：	国内领先	研究形式：
学科分类：		战略新兴产业：		课题来源：
第一完成单位名称：	华北电力大学（保定）	第一完成单位属性：		技术成熟度：
合作方式：	技术转让	交易价格(万)：	3.00	所属十强产业：

一种基于特征融合的深度神经网络表面缺陷检测方法。该方法采用了编码器‑解码器网络结构，特征提取模块采用ResNet50提取表面缺陷特征，得到各卷积层特征；然后利用编码特征融合模块将各卷积层特征融合，有利于表面缺陷的准确检测；最后利用两级级联解码模块，实现表面缺陷的检测。编码特征融合模块和两级级联解码模块能够实现表面缺陷特征的深度融合，使表面缺陷定位更准确。在各级解码模块的输出端增加了边界求精模块，并通过卷积融合拼接后的两级解码模块输出，得到最终检测结果。本方法可以有效提高表面缺陷检测的准确性。