A aplicação de chicotes de cabos é muito ampla, e os terminais dos chicotes, como componentes importantes, necessitam de rigoroso controle de qualidade. Para melhorar a precisão e eficiência na inspeção de qualidade dos terminais dos chicotes, propõe-se uma rede de segmentação semântica em tempo real para terminais de chicotes baseada em atenção multiescala, chamada MRF-UNet. Primeiramente, utiliza-se um módulo especial de atenção multiescala MRF como módulo base para extração de características da rede, aumentando a capacidade de extração de características e a generalização do modelo; em seguida, utiliza-se a fusão de características para realizar conexões de salto, reduzindo a carga computacional do modelo; por fim, usam-se operações de deconvolução e convolução para decodificar as características, reduzindo a profundidade da rede e aumentando o desempenho do algoritmo. Os resultados experimentais mostram que o algoritmo MRF-UNet proposto neste trabalho alcançou valores médios de interseção sobre união (MIoU), precisão média de pixel (MPA) e coeficiente Dice de 97,54%, 98,83% e 98,31%, respectivamente, no conjunto de dados de teste dos terminais dos chicotes, com velocidade de inferência do modelo de 15 FPS. Em comparação com redes de segmentação populares como BiSeNet, UNet e SegNet, a rede MRF-UNet proposta fornece resultados de segmentação de imagens microscópicas dos terminais dos chicotes mais precisos e rápidos, oferecendo suporte de dados para a inspeção de qualidade subsequente dos terminais dos chicotes.

aprendizagem profunda;terminais de chicotes;segmentação semântica;mecanismo de atenção