典型文献
结合显微视觉和注意力机制的毛羽检测方法
文献摘要：
毛羽瑕疵由于尺寸微小,极易发生漏检和误检,是化纤丝饼检测中的难点.为了准确高效地检测丝饼的外观瑕疵,搭建了基于显微视觉的毛羽瑕疵图像采集平台,提出加入注意力机制和特征融合的瑕疵检测算法(CenterNet-CBAM).采集了毛羽和断线两类易混淆的目标图像,构建基于CenterNet-CBAM的目标检测模型,并与CenterNet、YOLOv4、Faster R-CNN、SSD四种目标检测算法进行比较.实验结果表明,工业显微相机能有效获取毛羽特征,CenterNet-CBAM在毛羽、断线两类目标的实验检测结果的准确率分别为94.00％和93.57％,召回率分别为86.75％和92.16％,AP值分别为92.93％和92.91％,两类mAP值均为92.92％,优于其他算法,验证了实验方法的有效性.
文献关键词：
目标检测;显微视觉;注意力机制;化纤丝饼;瑕疵检测;照明工程;深度学习;特征融合
中图分类号：
作者姓名：
唐嘉潞;杨钟亮;张凇;毛新华;董庆奇
作者机构：
东华大学机械工程学院,上海201620;曼彻斯特大学科学与工程学院,英国曼彻斯特M139PL;北京中丽制机工程技术有限公司,北京101111;浙江双兔新材料有限公司,浙江杭州201620
文献出处：
引用格式：
[1]唐嘉潞;杨钟亮;张凇;毛新华;董庆奇-.结合显微视觉和注意力机制的毛羽检测方法)[J].智能系统学报,2022(06):1209-1219
A类：
毛羽检测,化纤丝饼
B类：
显微视觉,注意力机制,漏检,图像采集,特征融合,瑕疵检测,CenterNet,CBAM,断线,标图,目标检测模型,YOLOv4,Faster,SSD,目标检测算法,微相,类目,实验检测,召回率,mAP,实验方法,照明工程
AB值：
0.236979
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
