-
题名基于改进U-net的金属工件表面缺陷图像分割方法
被引量：9
- 1
-
-
作者
王一
龚肖杰
苏皓
-
机构
华北理工大学电气工程学院
唐山市金属构件产线智能化技术创新中心
唐山市半导体集成电路重点实验室
-
出处
《应用光学》
CAS
北大核心
2023年第1期86-92,共7页
-
基金
河北省高等学校科学技术研究项目(ZD2022114)
唐山市科技计划项目(21130212C)。
-
文摘
针对金属工件表面小尺寸缺陷及受非均匀光照影响的图像缺陷难以分割的问题,提出了一种改进的U-net语义分割网络,实现金属工件表面缺陷图像的精确分割。首先,在U-net网络中融入CBAM(convolutional block attention module)模块来提升图像中缺陷目标的显著度;其次,采用深度超参数化卷积DO-Conv(depthwise over-parameterized convolutional)代替网络中部分传统卷积,增加网络可学习的参数数量;然后,采用Leaky Relu函数代替网络中部分Relu函数,提高模型对负区间的特征提取能力;最后,采用中值滤波及非均匀光照的补偿方法进行图像预处理,减弱非均匀光照对金属工件图像表面缺陷的影响。结果表明:改进后的网络平均交并比、准确率和Dice系数指标分别达到0.833 5、0.933 2、0.867 4,改进的网络显著提升了对金属工件表面缺陷图像的分割效果。
-
关键词
表面缺陷
图像分割
语义分割网络
卷积注意力模块
深度超参数化卷积
-
Keywords
surface defects
image segmentation
semantic segmentation network
convolutional block attention module
depthwise over-parameterized convolution
-
分类号
TN209
[电子电信—物理电子学]
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于改进YOLOv5的金属工件表面缺陷检测
被引量：11
- 2
-
-
作者
王一
龚肖杰
程佳
苏皓
-
机构
华北理工大学电气工程学院
唐山市金属构件产线智能化技术创新中心
唐山市半导体集成电路重点实验室
-
出处
《包装工程》
CAS
北大核心
2022年第15期54-60,共7页
-
基金
河北省高等学校科学技术研究项目(ZD2022114)
唐山市科技计划项目(21130212C)。
-
文摘
目的针对金属工件表面小尺寸缺陷检测精度低的问题,提出以YOLOv5网络为基础,结合注意力机制与Ghost卷积的表面缺陷检测算法。方法首先,在原网络中增加SE通道注意力模块,增加缺陷有关信息的权重,减少无用特征的干扰,从而提高目标的检测精度。然后,将网络中空间金字塔池化模块的池化方式由最大池化替换为软池化,使得在下采样激活映射中保留更多的特征信息,获得更好的检测精度。最后,采用Ghost卷积块替换主干网络中的常规卷积模块,提取丰富特征及冗余特征,以此提高模型效率。结果改进后网络平均精度均值达到0.9978,相比原网络提高了7.07个百分点。结论该网络显著提高了金属工件表面缺陷检测的精度。
-
关键词
表面缺陷检测
YOLOv5模型
通道注意力
软池化
Ghost卷积
-
Keywords
surface defect detection
YOLOv5 model
channel attention
Softpool
Ghost convolution
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于深度学习的RGB图像目标位姿估计综述
被引量：4
- 3
-
-
作者
王一
谢杰
程佳
豆立伟
-
机构
华北理工大学电气工程学院
唐山市金属构件产线智能化技术创新中心
唐山贺祥智能科技股份有限公司
-
出处
《计算机应用》
CSCD
北大核心
2023年第8期2546-2555,共10页
-
基金
河北省高等学校科学研究项目(ZD2022114)
唐山市科技计划项目(21130212C)。
-
文摘
6自由度(DoF)位姿估计是计算机视觉与机器人技术中的一项关键技术,它能从给定的输入图像中估计物体的6DoF位姿,即3DoF平移和3DoF旋转,已经成为机器人操作、自动驾驶、增强现实等领域中的一项至关重要的任务。首先,介绍了6DoF位姿的概念以及基于特征点对应、基于模板匹配、基于三维特征描述符等传统方法存在的问题;然后,以基于特征对应、基于像素投票、基于回归和面向多物体实例、面向合成数据、面向类别级的不同角度详细介绍了当前主流的基于深度学习的6DoF位姿估计算法,归纳整理了在位姿估计方面常用的数据集以及评价指标,并对部分算法进行了实验性能评价;最后,给出了当前位姿估计面临的挑战和未来的重点研究方向。
-
关键词
6自由度位姿估计
位姿估计数据集
位姿估计评价方法
深度学习
计算机视觉
工业机器人
-
Keywords
6-degree of freedom pose estimation
pose estimation dataset
pose estimation evaluation method
deep learning
computer vision
industrial robot
-
分类号
TP242.2
[自动化与计算机技术—检测技术与自动化装置]
TP242.62
[自动化与计算机技术—检测技术与自动化装置]
-
