排序方式: 共有1条查询结果,搜索用时 0 毫秒
1
1.
针对当前基于语义分割的开口销缺陷检测算法存在分割精度不高、检测效率低等问题,提出一种基于改进DeepLabv3+的接触网开口销缺陷检测方法。首先,采用减枝后的MobileNetv2作为DeepLabv3+的骨干特征提取网络,提高检测效率。然后,通过在DeepLabv3+的编码器网络中引入CBAM注意力机制,提高开口销语义分割精度。同时,为缓解开口销区域和背景之间不平衡带来的负面影响,采用CEDice Loss作为损失函数。最后,根据开口销语义分割图像的颜色、形态信息,对开口销进行缺陷识别。实验结果表明:在语义分割方面,相比于原DeepLabv3+模型,改进DeepLabv3+模型的平均像素准确率和平均交并比分别提高了3.54%和3.42%,且测试用时减少了14.41 ms/张,模型参数量缩减了88.61%;在缺陷识别方面,对开口销缺失,松脱,正常三种状态的识别准确率分别为100%,98.1%,99.5%,能够快速有效地识别出开口销缺陷。 相似文献
1