와이어 하네스의 적용은 매우 광범위하며, 와이어 하네스 터미널은 중요한 구성 요소로서 엄격한 품질 검사가 필요합니다. 와이어 하네스 터미널 품질 검사의 정확도와 효율성을 향상시키기 위해 다중 스케일 어텐션 기반 실시간 와이어 하네스 터미널 의미 분할 네트워크 MRF-UNet을 제안합니다. 먼저, 특별한 다중 스케일 어텐션 모듈 MRF를 네트워크 특징 추출의 기본 모듈로 사용하여 모델의 특징 추출 능력과 일반화 능력을 향상시킵니다; 둘째, 특징 융합 방식을 사용하여 스킵 연결을 구현하여 모델 계산량을 줄입니다; 마지막으로, 역컨볼루션과 컨볼루션 연산을 사용하여 특징을 디코딩함으로써 네트워크 깊이를 줄이고 알고리즘 성능을 향상시킵니다. 실험 결과 본 논문의 MRF-UNet 알고리즘은 와이어 하네스 터미널 테스트 데이터셋에서 평균 교집합비(MIoU), 평균 픽셀 정확도(MPA), 다이스 지수(Dice) 지표가 각각 97.54%, 98.83%, 98.31%에 도달했으며, 모델 추론 속도는 15 FPS에 이릅니다. BiSeNet, UNet, SegNet 등 주요 분할 네트워크와 비교할 때 본 논문에서 제안한 MRF-UNet 네트워크는 와이어 하네스 터미널 현미경 이미지 분할 결과가 더 정확하고 빠르며, 후속 와이어 하네스 터미널 품질 검사에 데이터 지원을 제공합니다.

딥러닝;와이어 하네스 터미널;의미 분할;어텐션 메커니즘