摘要
الجلد فائق الألياف هو مادة مركبة جديدة تُستخدم للمنتجات الراقية، ويعتبر اكتشاف العيوب بها أمرًا بالغ الأهمية لجودة المنتج. لمواجهة تحديات تعدد المقاييس، الاختلاف الكبير في نسبة الطول إلى العرض، وكثرة العيوب الصغيرة على سطح الجلد فائق الألياف، تم اقتراح خوارزمية MFL_YOLOv8 لتحديد عيوب سطح هذا الجلد. تبدأ خوارزمية MFL_YOLOv8 بتصميم وحدة استخراج ميزات متعددة المقاييس DCNv3-LKA استنادًا إلى آلية الانتباه بمشق كبير قابل للتشكّل (DLKA)، مما يعزز بشكل كبير قدرة الشبكة الأساسية على استخراج الميزات متعددة المقاييس؛ ثم تعزز تفاصيل الأجسام الصغيرة في الشبكة الهرمية للميزات بإدخال خريطة الميزة P2 ووحدة التكبير Dysample؛ وأخيرًا تُدخل مقياس تقاطع المسافة الدنيا للنقاط (MPDIoU) للتخفيف من مشكلة فشل دالة الخسارة على الأجسام الصغيرة في مراحل التدريب المبكرة، مما يحسن من دقة كشف الأجسام الصغيرة. أظهرت نتائج التجارب على مجموعة بيانات عيوب سطح الجلد فائق الألياف المُحلية أن الخوارزمية المقترحة حسنت دقة الكشف المتوسطة ونسبة الاستدعاء بمقدار 5.38% و7.27% على التوالي مقارنة بـ YOLOv8n، لتصل إلى 92.47% و92.40%، مع معدل إطارات في الثانية يبلغ 135.2 إطارًا/ثانية، مما يلبي متطلبات الدقة والزمن الحقيقي في بيئة صناعية.
关键词
جلد فائق الألياف;كشف العيوب;DCNv3-LKA;MPDIoU
以上内容由讯飞翻译自动生成，翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果，本网站不承担任何商业和法律责任。
The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website