(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 202210712634.4 (22)申请日 2022.06.22 (71)申请人 锋睿领创 （珠海） 科技有限公司 地址 519000 广东省珠海市横琴新区环岛 东路1889号创意谷18栋110室-534 （集 中办公区） (72)发明人 何良雨　崔健　刘彤　 (74)专利代理 机构 深圳众鼎专利商标代理事务 所(普通合伙) 44325 专利代理师 张美君 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/54(2022.01) G06V 10/56(2022.01) G06V 10/77(2022.01)G06V 10/80(2022.01) G06V 10/82(2022.01) (54)发明名称 自适应特征增强的多源融合视觉检测方法、 装置及介质 (57)摘要 本发明提供一种自适应特征增强的多源融 合视觉检测方法、 装置、 计算机设备及存储介质， 其中自适应特征增强的多源融合视觉检测方法 包括： 获取多维度光学特征信息； 对所述多维度 光学特征信息进行融合， 得到光学特征融合信 息； 对所述光学特征融合信息进行多尺度特征提 取， 得到多个原始特征图像； 对多个所述原始特 征图像分别进行空间自适应特征增强处理， 得到 多个增强特征图像； 根据多个所述增强特征图 像， 获取目标检测结果。 本发明的技术方案， 能够 提高对缺陷检测结果的准确性。 权利要求书2页 说明书12页 附图7页 CN 115205224 A 2022.10.18 CN 115205224 A 1.一种自适应特 征增强的多源融合视 觉检测方法， 其特 征在于， 包括： 获取多维度光学 特征信息； 对所述多维度光学 特征信息进行融合， 得到光学 特征融合信息； 对所述光学特征融合信息进行多尺度特 征提取， 得到多个原 始特征图像； 对多个所述原始特征图像分别进行空间自适应特征增强处理， 得到多个增强特征图 像； 根据多个所述增强特 征图像， 获取目标检测结果。 2.根据权利要求1所述的自适应特征增强的多源融合视觉检测方法， 其特征在于， 所述 多维度光学特征信息包括光的偏振信息、 相位信息和 光强信息， 所述对所述多维度光学特 征信息进行融合， 得到光学 特征融合信息， 包括： 根据所述偏振信息得到偏振二维矩阵， 根据所述相位信息得到相位二维矩阵， 根据所 述光强信息得到RGB特 征信息； 将所述偏振二维矩阵、 相位二维矩阵和所述RGB特征信 息融合， 得到所述光学特征融合 信息。 3.根据权利要求2所述的自适应特征增强的多源融合视觉检测方法， 其特征在于， 所述 将所述偏振二维矩阵、 相位二维矩阵和所述RGB特征信息融合， 得到所述光学特征融合信 息， 包括： 对所述偏振二维矩阵和相位二维矩阵进行归一化处理， 得到偏振归一化二维矩阵和相 位归一化二维矩阵； 将所述偏振归一化二维矩阵、 相位归一化二维矩阵和所述RGB特征信息 融合， 得到所述 光学特征融合信息 。 4.根据权利要求3所述的自适应特征增强的多源融合视觉检测方法， 其特征在于， 所述 对所述偏振二维矩阵和相位二维矩阵进行归一化处理， 得到偏振归一化二维矩阵和相位归 一化二维矩阵， 包括： 将所述偏振二维矩阵中的数据划分为多个第 一数据组， 将所述相位二维矩阵中的数据 划分为多个第二数据组； 计算各第一数据组中数据的平均值和方差， 以及各第二数据组中数据的平均值和方 差； 根据各第一数据组中数据的平均值和方差， 对各第一数据组中的数据做归一化处理， 得到所述偏振 归一化二维矩阵； 根据各第二数据组中数据的平均值和方差， 对各第二数据组中的数据做归一化处理， 得到所述相位归一 化二维矩阵。 5.根据权利要求1所述的自适应特征增强的多源融合视觉检测方法， 其特征在于， 所述 对所述多维度光学 特征信息进行融合， 得到光学 特征融合信息， 包括： 将所述多维光学 特征信息初步融合， 得到初步融合的光学 特征信息； 对所述初步融合的光学特征信息进行通道特征增强处理， 得到所述光学特征融合信 息。 6.根据权利要求5所述的自适应特征增强的多源融合视觉检测方法， 其特征在于， 所述 对所述初步融合的光学特征信息进行通道特征增强处理， 得到所述光学特征融合信息， 包权　利　要　求　书 1/2 页 2 CN 115205224 A 2括： 对所述初步融合的光学特征信 息的特征矩阵的特征图通道进行完全压缩， 得到第 一分 支特征矩阵， 对所述初步融合的光学特征信息的特征矩阵的特征图通道进行部分压缩， 得 到第二分支特 征矩阵； 对所述第一分支特征矩阵进行特征增强处理， 并将特征增强处理后的第 一分支特征矩 阵和所述第二分支特 征矩阵相乘， 得到通道 距离关系矩阵； 将卷积层的特征矩阵拼接到所述通道距离关系矩阵上， 然后调节所述通道距离关系矩 阵的特征图通道维度， 最后对所述 通道距离关系矩阵的参数 赋值， 得到通道权 重矩阵； 将所述通道权重矩阵与所述多维度光学特征信 息的特征矩阵相乘， 得到所述光学特征 融合信息 。 7.根据权利要求1所述的自适应特征增强的多源融合视觉检测方法， 其特征在于， 所述 对所述光学特征融合信息进行多尺度特 征提取， 得到多个原 始特征图像， 包括： 将所述光学特征融合信 息输入多分支网络模型， 所述多分支网络模型具有多个网络分 支， 各网络分支分别具有不同扩张系数的空洞卷积层； 采用所述多分支网络模型中的多个网络分支， 分别对所述光学特征融合信 息进行不同 尺度的特 征提取， 得到多个所述原 始特征图像。 8.根据权利要求1所述的自适应特征增强的多源融合视觉检测方法， 其特征在于， 所述 对多个所述原始特征图像分别进行空间自适应特征增强处理， 得到多个增强特征图像， 包 括： 对所述原始特征图像的特征矩阵的空间进行完全压缩， 得到第三分支特征矩阵， 对所 述原始特征图像的特 征矩阵的特 征图通道进行部分压缩， 得到第四分支特 征矩阵； 对所述第三分支特征矩阵进行特性增强， 并将特性增强后的第 三分支特征矩阵与 所述 第四分支特 征矩阵相乘， 得到像素距离关系矩阵； 对所述像素距离关系矩阵进行参数 赋值， 得到空间权 重矩阵； 将所述空间权 重矩阵与所述原 始特征图相乘， 得到所述增强特 征图像。 9.一种自适应特 征增强的多源融合视 觉检测装置， 其特 征在于， 包括： 多维光学 特征信息获取模块， 用于获取多维度光学 特征信息； 光学特征信息融合模块， 用于对所述多维度光学特征信息进行融合， 得到光学特征融 合信息； 原始特征图像获取模块， 用于对所述光学特征融合信息进行多尺度特征提取， 得到多 个原始特征图像； 自适应特征增强处理模块， 用于对多个所述原始特征图像分别进行空间自适应特征增 强处理， 得到多个增强特 征图像； 目标检测结果获取模块， 用于根据多个所述增强特 征图像， 获取目标检测结果。 10.一种计算机可读存储介质， 所述计算机可读存储介质存储有计算机程序， 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8任一项所述的自适应特征增强 的多源融合视 觉检测方法。权　利　要　求　书 2/2 页 3 CN 115205224 A 3