融合注意力机制与联合优化的表面缺陷检测

作     者：董永峰 孙松毅 王振 刘晶 Dong Yongfeng;Sun Songyi;Wang Zhen;Liu Jing

作者机构：河北工业大学人工智能与数据科学学院天津300401 河北工业大学河北省数据驱动工业智能工程研究中心天津300401 河北工业大学河北省大数据计算重点实验室天津300401 

基　　金：国家重点研发计划(2019YFC1904601) 国家自然科学基金(61902106) 北航北斗技术成果转化及产业化资金(BARI2001) 

出 版 物：《计算机辅助设计与图形学学报》 (Journal of Computer-Aided Design & Computer Graphics)

年 卷 期：2024年第36卷第1期

页      码：102-111页

摘      要：两段式缺陷检测模型中分割和分类网络的优化目标不一致,导致二者耦合性较差,且分割模块误差的积累可能进一步弱化分类模块的性能.针对上述问题,提出一种基于注意力机制的缺陷检测联合优化算法.首先基于混合注意力特征融合模块的分割网络融合浅层特征和深层特征,提取更全面的缺陷位置信息;然后基于多感受野空间注意力模块的分类网络挖掘更具判别性的缺陷类别特征;最后通过联合优化目标实现分割和分类网络的学习优化,提升整个算法的耦合性以及性能.基于PyTorch框架,在公开工业缺陷检测数据集DAGM 2007, MAGNETIC-TILE和KolektorSDD2数据集上进行实验,并引入分段式算法及类U-Net算法进行横向对比的结果表明,所提算法的准确率相比分段式算法最高提升28.02%,相比类U-Net算法最高提升8.3%,且精确率、召回率、F1值均优于同类算法,具有更好的检测性能.

主 题 词：深度学习 特征融合 缺陷检测 注意力机制 

学科分类：08[工学] 080203[080203] 0802[工学-机械学] 

核心收录：

D　O　I：10.3724/SP.J.1089.2024.19785

馆 藏 号：203125320...