结合显微视觉和注意力机制的毛羽检测方法
毛羽瑕疵由于尺寸微小,极易发生漏检和误检,是化纤丝饼检测中的难点.为了准确高效地检测丝饼的外观瑕疵,搭建了基于显微视觉的毛羽瑕疵图像采集平台,提出加入注意力机制和特征融合的瑕疵检测算法(CenterNet-CBAM).采集了毛羽和断线两类易混淆的目标图像,构建基于CenterNet-CBAM的目标检测模型,并与CenterNet、YOLOv4、Faster R-CNN、SSD四种目标检测算法进行比较.实验结果表明,工业显微相机能有效获取毛羽特征,CenterNet-CBAM在毛羽、断线两类目标的实验检测结果的准确率分别为94.00%和93.57%,召回率分别为86.75%和92.16%,AP值分别为92.93%和92.91%,两类mAP值均为92.92%,优于其他算法,验证了实验方法的有效性.
目标检测、显微视觉、注意力机制、化纤丝饼、瑕疵检测、照明工程、深度学习、特征融合
17
TP391;TP41(计算技术、计算机技术)
国家自然科学基金;浙江省健康智慧厨房系统集成重点实验室开放基金项目
2023-01-11(万方平台首次上网日期,不代表论文的发表时间)
共11页
1209-1219