基于多重注意力机制的电机磁瓦表面缺陷检测

摘要：

在电机磁瓦生产中可能因生产工艺不可避免产生残次品从而影响电机质量,因此对电机磁瓦质量进行挑选,去除残次品,成为电机磁瓦生产中的必须工序.为解决传统图像处理检测能力弱、效率低且检测精准度低等问题,在ResNet-50的网络结构基础上,提出一种融合多重注意力机制残差网络的电机磁瓦缺陷检测网络模型.该目标检测网络结合卷积网络和注意力机制(Convolutional Block Attention Module,CBAM)构建了一种可以和网络进行端到端训练的非降维通道注意力和空间注意力串联模块,以建立特征之间的空间相关性,增强网络性能.在电机磁瓦数据集上的实验结果表明,改进的目标检测网络在电机磁瓦缺陷图像的全类别平均准确率mAP达到96.92％,所提算法的mAP值较原始ResNet-50网络算法提升了2.17％.验证了所提算法对电机磁瓦缺陷检测任务的有效性.

关键词：电机磁瓦缺陷、缺陷检测、残差网络、注意力机制、目标检测

所属期刊栏目：32

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;国家自然科学基金;吉首大学校级科研项目

在线出版日期：2023-01-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：194-199