-
题名改进DeepLabv3+的道路表面裂缝检测方法
- 1
-
-
作者
杨萍
张汐
-
机构
陕西科技大学电子信息与人工智能学院
-
出处
《计算机工程》
北大核心
2025年第4期261-270,共10页
-
基金
陕西省重点研发计划项目(2023-YBGY-208)
陕西省教育厅服务地方专项计划项目(23JC016)。
-
文摘
有效的道路表面裂缝检测是维护道路安全、延长道路寿命的关键。针对传统道路表面裂缝检测方法存在的难以识别细小裂缝、分割断裂以及分割精度低等问题,提出了一种改进DeepLabv3+的道路表面裂缝检测方法,旨在降低模型参数量的同时提高裂缝检测的准确性。首先,使用优化后的MobileNetv2网络替换基础DeepLabv3+模型的主干网络,以降低模型的参数量和复杂度,提高运行速度;其次,将条形池化模块(SPM)融入空洞空间金字塔池化(ASPP)模块,使得网络能够捕获到更多的裂缝上下文信息,保留裂缝细小部分的特征;最后,引入卷积块注意力模块(CBAM),使网络更加关注图像中对裂缝检测起决定作用的像素区域,增强裂缝图像的特征表达能力。实验结果显示,改进DeepLabv3+模型的平均像素准确率(MPA)为87.85%,平均交并比(MIoU)为80.53%,准确率为97.51%,精确率为88.65%,F1值为88.24%,相比于基础DeepLabv3+模型分别提高了1.77%、2.03%、0.30%、2.25%和1.51%,且高于U-Net、HR-Net和PSP-Net模型。此外,改进DeepLabv3+模型的参数量为6.382×10~6,是基础DeepLabv3+模型的88.3%,实时性更好,更适用于道路表面裂缝检测任务。
-
关键词
裂缝检测
语义分割
卷积神经网络
条形池化模块
注意力机制
-
Keywords
crack detection
semantic segmentation
convolutional neural network
strip pooling module
attention mechanism
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于改进YOLOv8模型的钢带表面缺陷检测
- 2
-
-
作者
王华
杨胜坤
曹峻
杨霄霞
房淑宇
曹雪
李响
-
机构
山东省产品质量检验研究院
山东职业学院新一代信息技术学院
山东建筑大学信息与电气工程学院
-
出处
《软件工程》
2025年第11期47-52,共6页
-
基金
山东省产品质量检验研究院院储备项目(2024ZJKY0008)
山东省产品质量检验研究院“建材家居产品检测中心科研创新团队”项目(20240901)。
-
文摘
针对人造板连续压机生产线的钢带表面缺陷类别多、特征不明显导致的误检及漏检等问题,提出一种改进YOLOv8模型。引入扩张残差(Dilation-Wise Residual,DWR)模块,利用两步残差特征提取方法,提高分割中多尺度信息捕获效率;利用扩张残差分割(Dilation-Wise Residual Segmentation,DWRSeg)网络改进卷积模块,重构上下文特征融合网络的Bottleneck结构,提高网络对复杂特征的提取能力;使用强语义信息对特征上采样,拼接包含详细信息的特征,增强网络对上下文信息的获取效率。实验结果表明,6种钢带表面缺陷的平均精度均值mAP达到80.3%,与原YOLOv8模型的77.0%相比有一定增长。
-
关键词
钢带
缺陷检测
目标检测
改进YOLOv8
卷积模块
注意力机制
-
Keywords
steel strip
defect detection
object detection
improved YOLOv8
convolutional module
attention mechanism
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名融合膨胀卷积与ECA的钢材缺陷检测算法
被引量：2
- 3
-
-
作者
曹义亲
曹鑫晨
-
机构
华东交通大学软件学院
-
出处
《计算机工程与设计》
北大核心
2024年第11期3312-3319,共8页
-
基金
国家自然科学基金项目(61861016)
江西省科技支撑计划重点基金项目(20161BBE50081)。
-
文摘
针对带钢材料表面缺陷检测中感受野受限导致目标漏检率高的问题,基于YoloX-s模型提出一种膨胀卷积与注意力机制融合的目标检测算法。在Backbone部分采用SPPF结构替换SPP结构,在Neck部分引入混合膨胀卷积模块用以增大检测的感受野,嵌入注意力机制ECA-net模块,保留特征图更多的通道信息,减少漏检率。后处理阶段采用CIoU损失函数,提高模型召回率。实验结果表明,改进算法在NEU-DET数据集上的mAP达到80.8%,较原模型提高4.6%,检测速度达到160 f/s,在带钢材料表面缺陷检测中具有一定的使用价值。
-
关键词
带钢材料
缺陷检测
空间金字塔池化改进
膨胀卷积
注意力机制模块
损失函数
东北大学热轧带钢表面缺陷数据集
-
Keywords
strip material
defect detection
SPPF
dilated convolution
attention mechanism module
loss function
NEU-DET
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于条形卷积和上下文感知的近海水产养殖提取方法
被引量：3
- 4
-
-
作者
吴婷
陈红梅
罗冬莲
陈芸芝
-
机构
福州大学数字中国研究院(福建)
卫星空间信息技术综合应用国家地方联合工程研究中心
福建省水产研究所
-
出处
《福州大学学报（自然科学版）》
CAS
北大核心
2024年第1期37-44,共8页
-
基金
福建省自然科学基金资助项目(2022J01111)
福建省水产研究所科技引领专项资助项目(2022KJYL03)。
-
文摘
利用中等分辨率遥感影像,针对近海养殖区边界模糊、筏式和网箱养殖存在类间干扰等现象,以ResUnet模型为基础,提出一种带有条形卷积模块和上下文感知单元的MSUResUnet模型,以提高模型的特征提取能力,改善近海水产养殖提取任务中出现的漏提和粘连等问题.模型中利用条形池化模块增强编码层与解码层信息的交互,引入条形卷积模块增强对水产养殖线性特征的捕捉能力,通过增加上下文感知单元获取水产养殖区丰富的多尺度上下文信息.在Sentinel-2 MSI数据上的实验结果表明,参与比对的6个模型中,MSUResUnet模型精度最优,其Kappa系数、 MIoU、 OA和F1分数分别达到了89.17%、 84.33%、 96.38%和91.19%;MSUResUnet在养殖较密集的兴化湾、三沙湾和罗源湾附近海域均获得较高精度,具有较强的特征提取和抗干扰能力,能够满足高精度的大范围中等分辨率影像近海水产养殖信息提取需求.
-
关键词
筏式和网箱养殖
深度学习
ResUnet模型
多方向条形卷积
上下文感知单元
-
Keywords
raft and cage aquaculture
deep learning
ResUnet model
multi-directional strip convolution module
context-aware unit
-
分类号
P237
[天文地球—摄影测量与遥感]
-
