10.3778/j.issn.1673-9418.2007005
注意力级联网络的金属表面缺陷检测算法
金属表面缺陷检测是工业生产质量把控的重要一环.在复杂的工业场景中,传统的图像处理方法无法有效地检测缺陷区域,而人工检测既费时又费力.快速有效地检测金属表面缺陷已成为提高生产效率的关键.复杂的光照条件会使金属表面产生强反射和倒影,缺陷种类多样、边界模糊,给缺陷检测问题带来巨大的挑战.提出了一种基于注意力机制的级联网络缺陷检测算法(R-CNN),对金属表面缺陷进行高质量分类和定位.设计了一个轻量级的网络模块,该模块沿着空间和通道计算注意力,将其插入到卷积神经网络中可有效提高特征提取能力;为了提高检测精度,将两个IoU阈值递增的检测头部网络级联,使用前一个头部的输出作为下一个头部的输入,依次细化检测结果.在大量实验中探索影响性能的各种因素,与现有方法进行比较,该方法具有更高的精度和良好的鲁棒性,可实际应用于生产中.
缺陷检测;目标检测;注意力机制;深度学习;卷积神经网络(CNN)
15
TP183(自动化基础理论)
国家自然科学基金;南航人工智能+项目
2021-08-06(万方平台首次上网日期,不代表论文的发表时间)
共10页
1245-1254