科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对金属缺陷识别领域中传统深度学习方法存在参数量多、计算量大的问题，提出了一种浅层卷积神经网络融合Transformer模型的金属缺陷识别方法。利用浅层卷积神经网络学习图像局部信息与位置信息，通过Transformer学习图像全局信息，同时引入通道注意力模块SE关注重要特征通道，实现缺陷图像识别。通过引入公开缺陷数据集验证该方法的有效性，同时利用自建缺陷超声数据集验证所提方法的通用性。实验结果表明，在中小规模数据集上，该方法通用性较强，能够对金属缺陷图像进行有效识别。
-
单位石油大学机电工程学院
