科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了对精密铸件DR(digital radiography)图像中的缺陷进行准确分割，提出一种基于深度学习语义分割的铸件DR图像缺陷检测算法。首先在原始U-Net网络模型上设计混合损失函数，以此来缓解类不平衡问题；然后采用AdamW(Adam with weight decay)优化器使模型加速收敛，同时使检测精度得到提升。最后使用PReLu激活函数代替ReLu,提高模型泛化性。实验结果表明，改进的U-Net模型对精密铸件DR图像缺陷能够得到有效分割，检测精度较高，且模型参数量较少，能够在工业现场进行部署。
- 单位
