基于深度学习的铝型材表面缺陷检测算法

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：传统的缺陷检测算法在检测铝型材表面缺陷复杂情况时效果不佳，主要有3个问题:一是对复杂类型无法全部进行检测并分类;二是对于图像中相似点判别不准确，无法精准提取其特征;三是易对微小缺陷进行误判。为此，使用计算机视觉技术提出一种基于实例分割的缺陷检测算法，该算法基于U-Net架构，实现像素到像素级的分类。同时，为了今后部署应用的需求，使用可分离卷积对网络参数进行裁剪，且融合空间及通道注意力机制，使网络能够快速且准确地实现缺陷检测。

作者：

席小卫、张敏敏、张丑尧、吴锦洋

展开 >

作者单位：

兰州信息科技学院,甘肃兰州 730000

关键词：

缺陷检测 U-Net 可分离卷积计算机视觉注意力机制

基金：

高校教师创新基金项目

项目编号：

2023B-396

出版年：

2024

DOI：

10.20156/j.cnki.2097-2490.2024.09.014

甘肃科技

甘肃省科学科技情报研究所

甘肃科技

影响因子：0.29

ISSN：1000-0952

年,卷(期)：2024.40(9)