科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对钢板表面缺陷检测中存在的边缘分割粗糙、漏检和误检率高等问题，提出了一种引入注意力机制的多尺度特征融合的DeepLabv3+检测方法。在DeepLabv3+网络的解码区中，充分利用多尺度特征信息，对跃层特征融合进行优化，保留浅层特征并对深层特征进行了细化的上采样操作，获得更精细的缺陷边缘；在编码区主干网络ResNet101中引入坐标注意力机制，增强特征提取能力，提高分割准确率。设计了加权Dice损失和二元交叉熵损失（BCEloss）结合的优化损失函数来缓解样本不均衡的问题，提高分割精度。改进DeepLabv3+网络的Dice系数和mIoU值分别提高了6.0%和7.92%，刮痕缺陷边缘分割更准确，对凹坑、边缘裂纹与氧化铁皮缺陷的分割效果提升明显，实验结果验证了该方法处理钢板表面缺陷问题的有效性。
- 出版日期2023
- 单位北京信息科技大学
