基于改进Mask R-CNN的金属板材表面缺陷检测OA
Research on Surface Defect Recognition of Metal Sheet Based on Improved Mask R-CNN
为了解决金属板材缺陷检测精度低等问题,以 MobileNet 作为主干特征网络,搭建 Mask R-CNN实例分割模型,并基于SeNet、CBAM、ECA注意力机制对网络模型进行优化.针对缺陷面积大、危害较为严重的金属板材表面缺陷,首先采用Mask R-CNN实例分割,然后在主干特征层分别添加了SeNet、CBAM、ECA等3 类注意力机制.优化后的Mask R-CNN损失值下降更快、检测精度更高、缺陷区域分割效果更加稳定.
蔡剑锋;柏俊杰;张雪;周涛琪;李佳洁;高帅
重庆科技学院 电气工程学院,重庆 401331重庆科技学院 电气工程学院,重庆 401331重庆科技学院 电气工程学院,重庆 401331重庆科技学院 电气工程学院,重庆 401331重庆科技学院 电气工程学院,重庆 401331重庆科技学院 电气工程学院,重庆 401331
信息技术与安全科学
表面缺陷图像处理Mask R-CNN注意力机制
《重庆科技学院学报（自然科学版）》 2023 (2)
110-116,7
重庆市自然科学基金项目"复杂环境下多参数融合的疲劳驾驶辨识方法与关键技术"(CSTC2020JCYJ-MSXMX0452)中国高校产学研创新基金异构智能计算项目"基于联邦学习和FPGA边缘计算的热轧板材表面划痕在线检测算法的研究"(2020HY06001)
评论