目前,在利用机器视觉检测铝带表面缺陷技术领域,仍存在诸多问题亟待解决.其中,较为突出的是算法复杂度高以及模型参数繁多,致使该技术难以在实际生产环境中有效落地应用,尤其在检测速度与精度的平衡方面,更是难以达成预期目标,无法满足工业生产的实际需求.针对上述问题,文章基于DeepLabv3+网络提出了一种轻量级语义分割方法.首先采用轻量级网络ShuffleNetv2作为特征提取网络,并在其中嵌入坐标注意力(coordinate attention,CA)机制以增强模型定位目标区域的能力;其次对空间金字塔池化(atrous spatial pyramid pooling,ASPP)模块进行轻量化改进,使其能在减小网络参数的同时高效地利用特征信息;最后采用加权特征融合的方法来使全局上下文信息有效地从低分辨率向高分辨率传播.实验表明,该方法的平均交并比(mean intersection over union,mIoU)优于原始模型,达到了 87.31%.且相较于原始模型,本方法的参数量减小了 87%,计算量降低了 95%,能够灵活地部署于嵌入式系统以便在生产实际中应用.
NETL
NSTL
万方数据
