摘要
针对传统方法下的汽车轮毂内部缺陷检测效率低、精度达不到工业标准的问题,本文提出了 一种基于改进U-Net神经网络的轮毂X射线图像缺陷分割方法AW-Net.该方法通过三级跳跃连接的方式级联两个U型网络对图像特征进行深度提取.同时在跳跃连接的过程中融合注意力机制以解决小目标的变化情况容易被漏检的问题,并通过实验验证结合使用多种激活函数来实现更精准的轮毂X射线图像语义分割,增加网络的拟合能力,提高网络的鲁棒性.实验结果表明:改进后的算法在本文构建数据集的汽车轮毂内部缺陷的误判率为2.73％,漏判率为0,识别率达到93％以上,其分割精度高于传统图像分割网络全卷积网络(fully convolutional network,FCN)和U-Net,且本方法边缘分割更加平坦,满足现代轮毂内部缺陷无损检测的需要.
基金项目
山西省重点研发计划(201803D121069)
山西省高等学校科技创新项目(2020L0624)
山西省信息探测与处理重点实验室项目(ISPT2020-5)
维普
万方数据