-
题名双注意力驱动的微小缺陷识别方法研究
- 1
-
-
作者
邹林丰
邓耀华
陈冠浩
张紫琳
-
机构
广东工业大学机电工程学院
-
出处
《中国测试》
北大核心
2025年第3期162-169,共8页
-
基金
国家自然科学基金(52175457)
广东省基础与应用基础研究基金(2022B1515120053)。
-
文摘
针对深度卷积提取过程中微小缺陷特征消失问题,该文提出融合双注意力机制和跃进残差结构的微小缺陷识别深度卷积网络模型,该模型在训练过程中分别在通道维度和空间维度将权重更多地偏向目标特征,更多地关注到微小缺陷特征,抑制冗余缺陷特征;同时为了进一步缓解深度卷积中微小缺陷特征消失的问题,设计跃进残差结构通过少量的支路连接将微小缺陷特征传递到深层网络,既减少微小缺陷特征漏检,同时提高支路卷积计算速度。以实际采集的布匹缺陷数据集开展模型测试实验。该文提出的模型相比于ResNet50、ResNet101,微小缺陷的识别率分别提高6.79%和6.88%,证明该文模型在微小缺陷识别任务中的有效性。
-
关键词
微小缺陷识别
双注意力机制
残差网络
深度卷积神经网络
-
Keywords
micro defect identification
dual attention mechanism
residual network
deep convolutional neural network
-
分类号
TB9
[机械工程—测试计量技术及仪器]
U4772.9
[机械工程—车辆工程]
-
