10.20009/j.cnki.21-1106/TP.2021-0716
融合多尺度特征的工业缺陷检测模型
利用照相机成像对工业环境中的物体进行表面缺陷检测是自动检测的主要应用之一.近年来,生产规模的扩大对缺陷的快速检测提出了要求,传统方法难以达到较高的效率.同时,缺陷检测更注重对纹理特征的提取,通用的深度卷积网络不能直接应用于该任务.为了克服以上挑战,本文提出了一种基于单阶段目标检测算法的表面缺陷检测模型,通过更宽的骨干网络提取丰富的上下文信息,进行多尺度特征融合,针对不同的检测目标采用差异化的检测头部;同时引入注意力机制,提高特征利用率;为了验证所提出方法的有效性,在3个数据集上进行了实验,取得了较好的性能,并与其他模型进行比较,表明所提出的方法优于现有方法.
卷积神经网络、缺陷检测、多尺度特征融合、注意力机制
44
TP181(自动化基础理论)
国家自然科学基金61673276
2023-05-23(万方平台首次上网日期,不代表论文的发表时间)
共6页
1029-1034