(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 202211417678.0 (22)申请日 2022.11.14 (71)申请人 四川路桥 华东建设有限责任公司 地址 610000 四川省成 都市蛟龙工业港双 流园区管委 会大楼5楼 申请人 四川公路桥梁建 设集团有限公司 (72)发明人 刘杰　欧长阳　魏鹏飞　储长青　 刘亮　彭通洲　余贵杨　刘红成　 骆俊　周彬　 (74)专利代理 机构 成都君合集专利代理事务所 (普通合伙) 51228 专利代理师 张鸣洁 (51)Int.Cl. G06T 7/00(2017.01) (54)发明名称 一种基于蒸馏学习的螺纹套丝表面缺陷检 测的方法及系统 (57)摘要 本发明涉及缺陷检测技术领域， 公开了一种 基于蒸馏学习的螺纹套丝表面缺陷检测的方法 及系统， 包括： 构建缺陷检测模型， 缺陷检测模型 包括并行双分支网络模块、 多尺度特征聚合模 块、 对比蒸馏模块、 双向关联感知聚合模块、 建议 区域生成网络模块、 感兴趣区域特征对齐层模块 以及基础网络层模块； 利用分类损失函数和定位 回归损失函数指导缺陷检测模型优化权重参数， 计算预测值和真实值之间的损失值； 训练缺陷检 测模型后测试性能。 本发明中的缺陷检测模型不 对螺纹套丝数据量过分敏感， 泛化性得到大大加 强， 从而提高缺陷检测模型的检测能力， 本发明 公开系统包括采集单元、 模型搭建单元、 训练单 元和检测单 元。 权利要求书3页 说明书8页 附图2页 CN 115457042 A 2022.12.09 CN 115457042 A 1.一种基于蒸馏学习的螺纹套丝表面 缺陷检测的方法， 其特 征在于， 包括以下步骤： 步骤S1， 使用CCD相机采集装置采集螺纹套丝图像数据， 并收集开源工件缺陷图像数 据， 对螺纹套丝图像数据进行标注作为训练查询集， 将开源工件缺陷图像数据作为训练支 持集； 步骤S2， 构建缺陷检测模型， 所述缺陷检测模型包括并行双分支网络模块、 多尺度 特征 聚合模块、 对比蒸馏模块、 双向关联感知聚合模块、 建议区域生成网络模块、 感兴趣区域特 征对齐层模块以及基础网络层模块； 步骤S3， 利用分类损失函数和定位 回归损失函数指导、 优化缺陷检测模型， 计算预测值 和真实值之间的损失值； 步骤S4， 使用训练支持集和训练查询集训练缺陷检测模型， 将迭代次数、 学习率预设完 整， 直到迭代次数等于最大迭代次数， 中止训练， 生成训练好的缺陷检测模型； 步骤S5， 在实际场景下使用CCD相机采集装置采集螺纹套丝图像数据， 将采集的螺纹套 丝图像数据作为待检测样本输入进训练好的缺陷检测模型中， 通过深度挖掘分析得到螺纹 套丝表面 缺陷的位置和缺陷类型。 2.根据权利要求1所述的一种基于蒸馏学习的螺纹套丝表面缺陷检测的方法， 其特征 在于， 所述 步骤S2包括： 所述缺陷检测模型由依次连接的并行双分支网络模块、 多尺度特征聚合模块、 对比蒸 馏模块、 双向关联感知聚合模块、 建议区域生 成网络模块、 感兴趣区域特征对齐层 模块以及 基础网络层模块构成； 所述并行双 分支网络模块分为支持集部分网络模块和查询集部分网络模块， 所述多尺 度特征聚合模块包括第一多尺度特 征聚合模块和第二多尺度特 征聚合模块； 所述支持集部分网络模块连接第 一多尺度 特征聚合模块， 所述查询集部分网络模块连 接第二多尺度特 征聚合模块， 所述第一多尺度特征聚合模块和第二多尺度特征聚合模块的中间连接并行的对比蒸 馏模块和双向关联感知聚合模块， 所述双向关联感知聚合模块连接建议区域生成网络模 块， 所述建议区域生成网络模块连接感兴趣区域特征对齐层模块， 所述双向关联感知聚合 模块和感兴趣区域特征对齐层 模块之间跳跃连接， 所述感兴趣区域特征对齐层 模块连接基 础网络层模块， 所述基础 网络层模块包括第一全连接层和第二全连接层， 所述感兴趣区域 特征对齐层模块分别连接第一全连接层和第二全连接层。 3.根据权利要求2所述的一种基于蒸馏学习的螺纹套丝表面缺陷检测的方法， 其特征 在于， 通过 所述缺陷检测模型进行缺陷检测的方法包括： 首先通过并行双 分支网络模块提取样本组 的深度特征信息， 再由多尺度 特征聚合模块 重组感受野大小， 与此同时， 利用并行双分支网络模块的中间层添加的对比蒸馏模块进行 特征对齐和特 征逼近； 其次通过双向关联感知聚合模块自适应地融合并行双 分支网络模块输出的特征信 息， 然后将融合的特 征信息输入建议区域 生成网络模块 生成候选感兴趣区域 集合； 再其次由感兴趣区域特征对齐层模块利用候选感兴趣区域集合提取对应的特征信息 进行池化对齐处 理； 最后通过全连接层进行分类定位， 完成螺纹套丝表面 缺陷检测。权　利　要　求　书 1/3 页 2 CN 115457042 A 24.根据权利要求2所述的一种基于蒸馏学习的螺纹套丝表面缺陷检测的方法， 其特征 在于， 包括： 所述支持集部分网络模块和查询集部分网络模块两 部分的网络结构相同。 5.根据权利要求1所述的一种基于蒸馏学习的螺纹套丝表面缺陷检测的方法， 其特征 在于， 包括： 所述对比蒸馏模块分为两分支部分， 分别为对比蒸馏模块的支持集特征分支FS和查询 集特征分支FQ； 在全局方面， 利用余弦相似度损失函数计算两分支 原始特征的差异之处； 在局部方面， 利用滑动 窗口机制随机采样生成局部样本集， 然后将两分支原始特征与 局部样本集分别做特 征乘法计算相似矩阵， 最后利用KL散度函数进行 特征逼近。 6.根据权利要求1所述的一种基于蒸馏学习的螺纹套丝表面缺陷检测的方法， 其特征 在于， 所述双向关联感知聚合模块包括： 所述双向关联感知聚合模块由第一多头自注意力模块、 第二多头自注意力模块、 第一 卷积组合模块、 第二卷积组合模块、 第三卷积组合模块、 第四卷积组合模块、 柔性最大值层、 特征相乘层、 特 征相减层、 特 征拼接层构成； 所述第一多头自注意力模块连接并联的第 一卷积组合模块和第 二卷积组合模块， 所述 第一卷积组合模块和 第二卷积组合模块分别和特征相乘层连接后与柔性最大值层连接； 所 述第二多头自注意力模块连接第三卷积组合模块， 所述第三卷积组合模块和柔性最大值层 分别和特征相减层连接， 所述第三卷积组合模块和特征相乘层分别和特征拼接层连接， 所 述特征拼接层和第四卷积组合模块连接 。 7.根据权利要求6所述的一种基于蒸馏学习的螺纹套丝表面缺陷检测的方法， 其特征 在于， 包括： 通过多头自注意力模块处理支持集特征FS＇ 和查询集特征FQ＇ ， 将两种特征信息编码至 统一的维度空间； 第一多头自注意力模块和第 二多头自注意力模块采用权重共享进行学习， 第 一多头自 注意力模块将支持集特征FS＇ 处理后依次输入进第一卷积组合模块、 第二卷积组合模块柔 性以及最大值层生成注意力响应图， 注意力响应图与经过第二多头自注意力模块和第三卷 积组合模块处理的查询集特征FQ＇ 分别进行相减、 相乘形式 的融合， 再由第四卷积组合模块 处理维度后输出到后续网络 部分进行分类定位。 8.根据权利要求1所述的一种基于蒸馏学习的螺纹套丝表面缺陷检测的方法， 其特征 在于， 所述 步骤S3包括： 所述分类损失函数和定位回归损失函数分别采用焦点损失函数和平 滑L1损失函数。 9.根据权利要求1所述的一种基于蒸馏学习的螺纹套丝表面缺陷检测的方法， 其特征 在于， 所述 步骤S4中训练缺陷检测模型的过程包括： 首先初始化支持集网络部分， 并且利用训练支持集进行训练， 然后查询集网络部分采 用随机方式进行初始化， 利用训练支持集和训练查询集训练整体网络， 将迭代次数和学习 率预设完整， 直到迭代次数等于最大迭代次数， 中止训练。 10.一种基于蒸馏学习的螺纹套丝表面缺陷检测的系统， 其特征在于， 包括采集单元、 模型搭建单元、 训练单 元和检测单 元， 其中：权　利　要　求　书 2/3 页 3 CN 115457042 A 3