基于卷积神经网络的玛钢管件表面缺陷检测仿真OA北大核心CSTPCD

针对现有检测算法HRNetV2p无法很好地平衡各尺度缺陷的检测精度等问题,在HRNetV2p中引入一种结合通道注意力机制的特征融合模块,自适应地调整融合特征中空间-语义信息的比率,解决浅层特征缺乏语义信息的问题.建立一个玛钢管件表面缺陷检测数据集IIDD,进行数据标注及数据统计.在HRNetV2p网络中引入CG密集跳跃传输单元及CG自适应融合模块,通过整合、重新校准和重新整合3个操作自适应地调整浅层特征空间-语义信息比率.给出了试验的设置以及评价指标,完成了改进的玛钢管件表面缺陷检测算法在IIDD测试集上的性能试验.结果表明,改进后的HRNetV2p算法在IIDD上的平均检测精度AP 50为91.3%,相比原始HRNetV2p提高了2.6%,其中对大、中、小尺度缺陷的平均检测精度分别提高了2.7%、2.7%、5.6%.