基于改进分割决策网络的铝材表面凹坑缺陷检测

作者：曹阳; 卢军^*

来源：陕西科技大学学报, 2021, 39(02): 139-152.

DOI：10.19481/j.cnki.issn2096-398x.2021.02.022

• 深度学习
• 表面缺陷检测
• 多任务特征融合
• 注意力机制
• 改进分割决策网络

针对工业铝材表面缺陷检测准确度低、模型泛化性差的问题,提出了一种基于改进分割决策网络的多任务特征融合检测方法.首先针对工业上常见的凹坑缺陷,构造了本文的缺陷检测数据集;其次在原有分割检测模型的基础上添加铝材区域分割网络,从网络结构上减少了模型对样本的需求;并引入挤压激活(Squeeze-and-Excitation)模块,使得模型更聚焦于与铝材缺陷相关的维度特征,提升网络的检测精度.最后在铝材表面凹坑缺陷数据集上进行对比试验,结构表明,所提方法相较于原模型,分割精度提升了1.6%,分类精度提升了4.01%;相较于FCN、U-net网络在图像分割部分检测精度领先0.76%,相较于VGG、Resnet50网络在图像分类部分检测精度领先1.12%.实验证明,该方法在铝材表面凹坑缺陷检测上,具有足够的检测精度,并且稳定、高效.

• 单位
  机电工程学院; 陕西科技大学