付着した導電粒子検出の精度と安定性を向上させ、評価指標の客観性と実際の生産ニーズへの適合性を高めるために、円形畳み込みニューラルネットワークに基づく付着粒子検出を提案した。まず、粒子検出により適した円形畳み込みを提案し、変形畳み込みのサンプリング戦略を修正してサンプリング点の x、y 座標の自由度を制限し、補償としてサイズ制御パラメータを追加した。次に、U-MultiNet ネットワークアーキテクチャに基づき、円形畳み込みを従来の畳み込み形式に置き換え、注意機構を追加し、ラベルマップを用いて自己注意を計算し、これを重みとして損失関数とラベルマップを修正した。最後に、再現性および反復性指標の総合評価アルゴリズムを提案し、その精度と安定性を示した。実験結果は、本手法の再現性および反復性がそれぞれ 0.8092、0.7051 であり、既存の主流手法と比較して 4.52％、1.74％ 向上していることを示した。精度と再現率はそれぞれ 0.7128、0.6974、正確度は 0.8341 で、既存の主流手法より 1.68％ 高い。既存の主流手法に比べ、本手法は付着による干渉のある粒子検出効果が顕著に向上しており、工業現場における粒子検出の精度、安定性、リアルタイム性の要求を満たすことができる。

機械視覚;深層学習;ニューラルネットワーク;導電粒子検出;円形畳み込み