摘要
高輝度反射金属円柱形鍋の自動高速検出および仕分けを実現するために、現在の金属鍋表面欠陥検出が遅く効率が低いという技術的課題を解決するために、YOLOXネットワークを基盤として双方向特徴融合ネットワークを導入し、注意機構に基づく軽量特徴融合ネットワークモデルを提案し、計算モデルの軽量化設計を実現した。同時に、注意機構モジュールを通じて特徴情報をチャネルおよび空間で学習し、多尺度特徴のセマンティックギャップ問題を効果的に緩和し、モデルの検出精度を向上させた。ネットワークが難易度の異なるサンプルの学習重み分布の不均衡を考慮し、減衰係数に基づく分類損失関数を設計した。金属鍋円柱表面欠陥データセットを利用して特徴融合ネットワークの比較実験、分類損失関数の比較実験、および注意機構モジュール位置のアブレーション実験を行った。実験結果は、注意機構を融合したモデルが6種類の異なる形態の欠陥を効果的に認識でき、テストセットの平均検出精度 mAP0.5 は90.92％に達し、検出フレームレートは30.84 frame/sに達し、金属鍋円柱表面欠陥の高精度高速認識と位置特定を実現したことを示した。
关键词
マシンビジョン;特徴ピラミッド;注意機構;金属表面欠陥
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