卷积神经网络缺陷检测算法用于电线结合X射线图像
Daohua Zhan1,2, Renbin Huang1,2, Kunran Yi1,2
1State Key Laboratory of Precision Electronic Manufacturing Technology and Equipment, Guangzhou 510006, China.
Micromachines
|September 28, 2023
概括
这项研究介绍了YOLO-CSS,这是一种用于检测电线结合X射线图像中缺陷的新方法. 它提高了复杂的工业检查的准确性和速度.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 材料科学 材料科学 材料科学
背景情况:
- 电线结合X射线图像中的缺陷检测面临复杂的背景,小缺陷和各种缺陷类型的挑战.
- 现有的方法很难实现高精度和高效率,以完成这些苛刻的工业检查任务.
研究的目的:
- 开发一种先进的缺陷检测方法,用于电线粘合X射线图像.
- 为了提高在具有挑战性的成像条件下识别各种缺陷的准确性和效率.
主要方法:
- 提出了一种基于卷积神经网络 (CNN) 的新方法YOLO-CSS.
- 它具有从梯度信息中提取语义特征的新提取网络和自适应式加权多尺度特征融合模块 (SMA).
- 跳过连接被集成,以保持功能完整性.
主要成果:
- 在线缆结合X射线缺陷数据集上,YOLO-CSS算法在线缆结合X射线缺陷数据集上实现了高性能,mAP@0.5为97.3%,mAP@0.5-0.95为72.1%.
- 它在检测准确度方面超过了现有的YOLO系列算法.
- 该方法在模型尺寸和检测速度方面表现出优势,平衡精度和效率.
结论:
- YOLO-CSS有效地解决了电线结合X射线缺陷检测方面的挑战.
- 拟议的方法为工业应用提供了精度,速度和模型效率的卓越平衡.
