您当前的位置:
首页 >
文章列表页 >
多尺度增强特征融合的钢表面缺陷目标检测
信息科学 | 更新时间:2024-05-06
    • 多尺度增强特征融合的钢表面缺陷目标检测

    • Object detection of steel surface defect based on multi-scale enhanced feature fusion

    • 针对轻量级目标检测算法在钢表面缺陷检测任务中识别精度低的问题,科研人员提出了一种多尺度增强特征融合的钢表面缺陷目标检测算法。该算法创新性地采用了自适应加权融合模块,实现了深层语义与浅层细节的加权融合,有效提升了特征表示能力。同时,算法还引入了空间特征增强模块,从三个独立方向强化融合特征,增强了网络结构的稳定性,挖掘了更多的关键信息。实验结果表明,该算法的检测精度达到了80.47%,相比原始算法提升了6.81%。此外,算法的参数量和计算量也相对较小,能够快速且高精度地检测钢材表面的缺陷信息,具有很高的应用价值。这一研究成果为钢材表面缺陷检测提供了新的解决方案,也为相关领域的研究开辟了新的方向。
    • 光学精密工程   2024年32卷第7期 页码:1075-1086
    • DOI:10.37188/OPE.20243207.1075    

      中图分类号: TP394.1;TH691.9
    • 纸质出版日期:2024-04-10

      收稿日期:2023-10-24

      修回日期:2023-12-01

    扫 描 看 全 文

  • 林珊玲,彭雪玲,王栋等.多尺度增强特征融合的钢表面缺陷目标检测[J].光学精密工程,2024,32(07):1075-1086. DOI: 10.37188/OPE.20243207.1075.

    LIN Shanling,PENG Xueling,WANG Dong,et al.Object detection of steel surface defect based on multi-scale enhanced feature fusion[J].Optics and Precision Engineering,2024,32(07):1075-1086. DOI: 10.37188/OPE.20243207.1075.

  •  
  •  

0

浏览量

48

下载量

0

CSCD

文章被引用时,请邮件提醒。
提交
工具集
下载
参考文献导出
分享
收藏
添加至我的专辑

相关文章

改进轻量化VTG-YOLOv7-tiny的钢材表面缺陷检测
基于机器视觉的太阳能电池片缺陷检测算法综述
多光谱图像融合的IC器件表面缺陷检测
多尺度YOLOv5的太阳能电池缺陷检测
基于扇形条纹调制度的光滑平面缺陷检测

相关作者

卢宝贺
梁礼明
龙鹏威
冯耀
吴一全
刘玉淇
邓耀华
黄志海

相关机构

江西理工大学 电气工程与自动化学院
南京航空航天大学 电子信息工程学院
广东工业大学 机电工程学院
重庆理工大学 理学院
四川云辰园林科技有限公司
0