一种基于机器视觉的轻量级HAN-YOLO的缺陷检测方法

本发明提供了一种基于机器视觉的轻量级HAN‑YOLO的缺陷检测方法，属于机器视觉目标检测领域，包括：在其主干网络Backbone中加入了轻量化可改变核卷积，用于解决普通卷积的固定采样形状问题，对输入特征进行动态调整以提高网络的检测性能。其次，在Neck颈部网络中加入了特征融合金字塔网络，优化模型并增强模型的特征选择与融合能力。最后设计一种新型的轻量级自适应瓶颈模块NLAIB减少模型的参数量和复杂度，同时提高模型的推理速度和检测效率，并实现较高的精度检测。本发明显著提高了模型的检测性能和硬件适配性，能够部署在计算资源和存储空间有限的终端设备。本发明的方法可以更为高效轻量化的识别和检测缺陷。