基于密集连接和多尺度池化的X射线焊缝缺陷分割方法
为解决X射线底片焊缝缺陷分割精度不高、边界信息模糊的问题,本文提出一种改进的Dilated_Pooling_Unet(DP_Unet)网络分割模型.首先,在上下采样间加入编解码信息提取模块DP_block,旨在下采样后最大限度地保留原始缺陷语义信息及减少连续卷积与池化操作造成的损失;然后,在模型中添加GAM注意力机制重点关注焊缝缺陷部分,有效提升缺陷特征通道的学习能力,降低背景噪声影响;最后,提出一种融合二元交叉熵和DiceLoss的混合损失函数,用于解决网络训练时不均衡的正负类数据问题.实验数据集由公开数据集GDX-ray缺陷数据集组成.实验结果表明,本文所提方法在GDX-ray数据集上有较好表现,Dice值达到了93.45%,与基线算法相比均有显著提高.该方法具有良好的分割性能,优于传统的分割算法,有效提高了底片焊缝缺陷分割精度.
焊接检测、缺陷分割、DP_Unet、注意力机制
39
TE973.3;TP391.4(石油机械设备与自动化)
2024-02-01(万方平台首次上网日期,不代表论文的发表时间)
共10页
59-68