典型文献
改进U-Net芯片X线图像焊缝气泡缺陷检测方法
文献摘要：
针对传统图像处理算法的芯片缺陷检测方法难以实现缺陷的精确提取且泛化性较差的问题,提出了结合空间注意力机制(SAM)、空间金字塔池化(SPP)、移动端神经网络(Mobile-Net)和密集条件随机场(DCRF)改进经典U-Net芯片X线图像焊缝气泡缺陷的检测方法(DSSMob-U-Net).首先,针对经典U-Net网络特征提取能力不足、泛化性较差的问题,引入Mobile-Net作为U-Net的主干特征提取网络,提高网络获取缺陷形状和位置信息的能力,并减少网络的参数量,降低模型对训练样本量的要求;其次,在Mobile-Net的低维特征提取部分引入空间注意力机制,并在特征提取后引入空间金字塔池化,提升网络对图像高、低维特征的提取能力,解码后针对解码器上采样层导致的特征信息丢失问题,在分类完成后引入密集条件随机场,结合像素点的像素值和所属类别信息对像素的分类结果重新评估,进一步提高分割精度;最后,在芯片缺陷数据集上进行实验,验证了 DSSMob-U-Net模型的有效性,并与其他常用的语义分割网络进行比较,结果表明该模型具有更好的检测性能.
文献关键词：
缺陷检测;机器视觉;语义分割;空间注意力;密集条件随机场
中图分类号：
作者姓名：
李可;吴忠卿;吉勇;宿磊
作者机构：
江南大学机械工程学院,江苏无锡214122;江南大学江苏省食品先进制造装备技术重点实验室,江苏无锡214122;中国电子科技集团第五十八研究所,江苏无锡214000
文献出处：
引用格式：
[1]李可;吴忠卿;吉勇;宿磊-.改进U-Net芯片X线图像焊缝气泡缺陷检测方法)[J].华中科技大学学报（自然科学版）,2022(06):104-110
A类：
密集条件随机场,DCRF,DSSMob
B类：
Net,焊缝,气泡缺陷,缺陷检测方法,图像处理算法,芯片缺陷,难以实现,泛化性,空间注意力机制,SAM,空间金字塔池化,SPP,移动端,Mobile,网络特征,特征提取能力,主干特征提取网络,位置信息,参数量,训练样本,样本量,低维特征,特征的提取,解码器,上采样,采样层,特征信息,信息丢失,合像,像素点,类别信息,重新评估,缺陷数据,语义分割网络,检测性能,机器视觉
AB值：
0.273699
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。
