改进DeepLabv3+网络的钢板表面缺陷检测研究

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.

关键词：表面缺陷检测、DeepLabv3+网络、坐标注意力机制、图像语义分割、图像增强

所属期刊栏目：59

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金51975058

在线出版日期：2023-09-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：150-158