科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对金属表面缺陷因尺寸和形状多样化导致检出率低，检出形状差异大等问题，提出一种基于改进UNet网络的金属表面缺陷分割网络OCR-UNet,以图像分割的方式检测金属表面缺陷。此方法以UNet网络提取多级多尺度特征，保留缺陷的位置信息，通过融合解码阶段的多级多尺度特征以更适应多尺度缺陷目标的检测；针对提取的特征难以表达全局上下文信息的问题，引入自注意力并使用粗分割与精分割的细化方式，增强特征对像素类别的表达能力，使其更适用于分割金属表面缺陷；同时引入交并比损失和边缘分割损失来改进网络损失，克服缺陷前景与背景样本极度不均衡问题的同时能捕获对缺陷更准确的表示，实现金属表面缺陷的准确分割。在两个表面缺陷分割数据集上的验证结果表明，所提方法的分割精度高于传统的全卷积网络(fully convolutional network, FCN)、DeepLabV3+网络及UNet网络模型，满足金属表面缺陷分割的需求。
- 单位
