工业生产中带钢表面缺陷具有缺陷类型多变、背景杂乱和对比度低等特点，现有的缺陷检测方法无法检测出完整的缺陷对象。针对上述问题，提出一种基于U型残差编解码网络的带钢缺陷检测算法。在编码阶段，算法利用全卷积神经网络提取丰富的多尺度缺陷特征，并结合注意力机制加速模型收敛。在解码阶段，使用所提出的U型残差解码网络恢复编码阶段编码的显著性信息。此外，设计了一个残差细化网络，用以进一步优化粗糙的显著图。实验结果表明，所提出的算法具有较强的鲁棒性。
科研之友
微信
新浪微博
Facebook
分享链接
