多尺度注意力线束端子实时语义分割网络

作者：谷亚楠; 曹如意; 赵理山; 芦碧波; 苏柏顺^*

来源：光学精密工程, 2023, 31(02): 277-287.

• 深度学习
• 线束端子
• 语义分割
• 注意力机制

线束的应用非常广泛，线束端子作为其重要组成部件，需要进行严格的质量检测。为了提升线束端子质量检测的精度与效率，提出一种基于多尺度注意力的线束端子实时语义分割网络MRF-UNet。首先，采用一种特别的多尺度注意力模块MRF作为网络特征提取的基础模块，提升模型特征提取能力与泛化能力；其次，使用特征融合的方式实现跳跃连接，降低模型运算量；最后，使用反卷积与卷积操作进行特征解码，实现网络深度约减并提升算法性能。实验结果表明：本文算法MRF-UNet在线束端子测试数据集上的平均交并比（MIoU）、平均像素精度（MPA）、戴斯系数（Dice）指标分别达到97.54%,98.83%,98.31%，模型推理速度达到15 FPS。相较于BiSeNet,UNet,SegNet等主流分割网络，本文所提出的MRF-UNet网络对线束端子显微图像的分割结果更精准且更快速，这为后续的线束端子质量检测提供数据支撑。

• 单位
  河南理工大学