文献类型：期刊文章

作　　者：蔡剑锋[1] 柏俊杰[1] 张雪[1] 周涛琪[1] 李佳洁[1] 高帅[1]

CAI Jianfeng;BAI Junjie;ZHANG Xue;ZHOU Taoqi;LI Jiajie;GAO Shuai(College of Electrical Engineering,Chongqing University of Science and Technology,Chongqing 401331,China)

机构地区：[1]重庆科技学院电气工程学院,重庆401331

出　　处：《重庆科技学院学报（自然科学版）》

基　　金：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)。

年　　份：2023

卷　　号：25

期　　号：2

起止页码：110-116

语　　种：中文

收录情况：CAS、普通刊

摘　　要：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。

关 键 词：表面缺陷  图像处理 Mask R-CNN  注意力机制  

分 类 号：TP391]