基于人类视觉认知机制的表面缺陷检测OA北大核心
进行表面缺陷检测是确保产品性能、质量、美观度以及生产效率的重要手段。尽管人工智能在视觉检测领域取得了飞速发展,但基于生物视觉认知指导机器视觉学习的方法,仍是研究难点。提出了一种基于人类视觉认知机制的表面缺陷检测网络(HVCM-Net)。在宏观层面,模拟视网膜上中央凹和中央凹外区域的工作原理,提出了中央视觉分支和外周视觉分支并行的骨干网络,分别负责学习缺陷图像的高空间频率局部细节信息和低空间频率全局语义信息。在微观层面,动态权重融合模块(DWFM)以自适应的方式融合两个分支的输出特征图,可学习和过滤更全面、准确和互补的缺陷特征。另外,融合分支引入特征保存下采样(FPD)模块,采用特征拼接技术,有效缓解了传统采样可能产生的微弱缺陷信息丢失问题。HVCM-Net在缺陷数据集GB-DET、NEU-DET和DAGM2007上取得了优于其他方法的检测性能,验证了其有效性。
崔丽莎;代润鹏;姜晓恒;李飞蝶;陈恩庆;徐明亮
郑州大学计算机与人工智能学院,河南郑州450001 智能集群系统教育部工程研究中心,河南郑州450001 国家超级计算郑州中心,河南郑州450001郑州大学计算机与人工智能学院,河南郑州450001郑州大学计算机与人工智能学院,河南郑州450001 智能集群系统教育部工程研究中心,河南郑州450001 国家超级计算郑州中心,河南郑州450001郑州大学计算机与人工智能学院,河南郑州450001郑州大学计算机与人工智能学院,河南郑州450001 智能集群系统教育部工程研究中心,河南郑州450001 郑州大学电气与信息工程学院,河南郑州450001郑州大学计算机与人工智能学院,河南郑州450001 智能集群系统教育部工程研究中心,河南郑州450001 国家超级计算郑州中心,河南郑州450001
计算机与自动化
缺陷检测人类视觉中央视觉外周视觉特征融合
《浙江大学学报(理学版)》 2025 (1)
P.38-49,12
国家自然科学基金资助项目(62106232,62172371,62325602)中国博士后科学基金项目(2021TQ0301)。
评论