改进DeepLabv3+网络的钢板表面缺陷检测研究

作     者：范瑶瑶 王兴芬 刘亚辉 FAN Yaoyao;WANG Xingfen;LIU Yahui

作者机构：北京信息科技大学计算机学院北京100101 北京信息科技大学信息管理学院北京100192 

基　　金：国家自然科学基金(51975058) 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2023年第59卷第16期

页      码：150-158页

摘      要：针对钢板表面缺陷检测中存在的边缘分割粗糙、漏检和误检率高等问题,提出了一种引入注意力机制的多尺度特征融合的DeepLabv3+检测方法。在DeepLabv3+网络的解码区中,充分利用多尺度特征信息,对跃层特征融合进行优化,保留浅层特征并对深层特征进行了细化的上采样操作,获得更精细的缺陷边缘;在编码区主干网络ResNet101中引入坐标注意力机制,增强特征提取能力,提高分割准确率。设计了加权Dice损失和二元交叉熵损失(BCEloss)结合的优化损失函数来缓解样本不均衡的问题,提高分割精度。改进DeepLabv3+网络的Dice系数和mIoU值分别提高了6.0%和7.92%,刮痕缺陷边缘分割更准确,对凹坑、边缘裂纹与氧化铁皮缺陷的分割效果提升明显,实验结果验证了该方法处理钢板表面缺陷问题的有效性。

主 题 词：表面缺陷检测 DeepLabv3+网络 坐标注意力机制 图像语义分割 图像增强 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

核心收录：

D　O　I：10.3778/j.issn.1002-8331.2210-0249

馆 藏 号：203123097...