1.基于深度学习的acf导电粒子检测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于深度学习的acf导电粒子检测方法,其特征在于,所述导电粒子检测网络模型包括特征提取层(1)、特征融合层(2)及特征检测层(3),所述特征融合层(2)包括transformer全局注意力模块(21)及路径聚合网络(22);所述transformer全局注意力模块(21)输出的特征图作为路径聚合网络(22)的输入。
3.根据权利要求2所述的基于深度学习的acf导电粒子检测方法,其特征在于,所述transformer全局注意力模块(21)包括依序设置的第一归一化层、多头注意力层、第二归一化层及多层感知机层;
4.根据权利要求1所述的基于深度学习的acf导电粒子检测方法,其特征在于,所述步骤s1提取导电粒子目标区域图像具体为:
5.根据权利要求1所述的基于深度学习的acf导电粒子检测方法,其特征在于,所述导电粒子检测网络模型中的卷积层为深度可分离卷积层,所述深度可分离卷积包括依序设置的深度卷积及点卷积,所述深度卷积将输入的特征图宽度及高度减半,保持通道数不变,所述点卷积将输入的特征图的通道数扩张为256,保持宽度及高度不变。
6.根据权利要求1所述的基于深度学习的acf导电粒子检测方法,其特征在于,所述最佳检测模型的判定标准为map[0.5],具体为:
7.根据权利要求1所述基于深度学习的acf导电粒子检测方法,其特征在于,所述随机转换hsv颜色空间方法具体为:
8.根据权利要求1所述的基于深度学习的acf导电粒子检测方法,其特征在于,所述图像归一化采用以下公式进行计算:
9.根据权利要求1所述的基于深度学习的acf导电粒子检测方法,其特征在于,所述量化采用ptq量化方法,具体为:
10.基于深度学习的acf导电粒子检测系统,其特征在于,所述检测系统配置为执行如权利要求1-9任一项所述的检测方法,包括: