首页|小样本驱动特征分段网络的防护材料折痕检测

小样本驱动特征分段网络的防护材料折痕检测

扫码查看
原文链接
  • 万方数据
  • 维普
防刺服能在恐怖袭击、医闹伤害、违法犯罪等事件中有效保护生命安全，然而在生产制造及穿着使用中易产生机械折痕。立足于防护材料折痕缺陷的快速检测需求，创新性地在图像识别方法中提出特征分段网络结构，实现了小样本驱动下防护材料折痕的快速、精准检测功能。通过引入注意力机制和深度可分离卷积模块，并赋予损失函数与优化器两种典型参数，全面提高了特征分段网络模型的检测精度与效率;提出几何信息标注算法，搭建防护材料缺陷可视化检测平台，实现了机械折痕自动精准定位与几何信息输出。模型训练结果表明，特征分段网络模型的准确率可达96。19％，折痕缺陷几何信息标注误差在2％以内，优异的可视化检测功能可拓展到大型工程化自动检测领域。研究工作为下一步构建含有折痕缺陷的防刺装备防护性能预测模型奠定了基础。
Protective Material Crease Detection with Small Sample-driven Feature Segmented Neural Network

protective materialmechanical creases detectionfeature segmented neural networkgeometric information annotation

刘梦真、黄广炎、张宏、周宏元、刘思宇

展开 >

北京理工大学 爆炸科学与技术国家重点实验室,北京100081

北京理工大学重庆创新中心 现代兵器技术实验室,重庆401120

北京理工大学 爆炸防护与应急处置技术教育部工程研究中心, 北京100081

北京工业大学 城市建设学部, 北京100124

北京理工大学 生命学院,北京100081

展开 >

防护材料 机械折痕检测 特征分段神经网络 几何信息标注

国家自然科学基金青年基金爆炸科学与技术国家重点实验室自主课题重庆市自然科学基金面上项目

12002051QNKT21-4cstc2021jcyjmsxmX0666

2024

10.12382/bgxb.2022.0884

兵工学报
中国兵工学会

兵工学报

CSTPCD北大核心
影响因子：0.735
ISSN：1000-1093
年,卷(期)：2024.45(3)
  • 29