MBA-DNet: 一个基于注意力的异物检测网络,用于烟草包装
Xiaobin Wang1, Feixiang Shen1, Chengjun Chen1
1School of Mechanical and Automotive Engineering, Qingdao University of Technology, Qingdao, Shandong 266520, China.
The Review of scientific instruments
|March 5, 2024
概括
这项研究通过使用一种新的面罩阻断注意力 (MBA) 方法提高了烟草包装中的异物检测. 改进的DINO物体检测模型显著提高了识别小缺陷的准确性.
科学领域:
- 计算机视觉 计算机视觉
- 机器学习 机器学习
- 质量控制 质量控制 质量控制
背景情况:
- 在烟草包装中检测外来物质,如菌和菌,对于质量控制至关重要.
- 当前的对象检测算法在烟草包装检查中与小目标作斗争.
研究的目的:
- 为了改善烟草包装的剪切视图中的小异物检测.
- 为此特定应用增强对象检测网络的全球建模能力.
主要方法:
- 提出了面具阻断注意力 (MBA) 的建议,并将其集成到特征提取网络中.
- 开发了一个K-fold包切片缺陷数据集 (K-PSDDS).
- 在K-PSDDS上评估了增强的DINO (DETR带有改进的无声化箱用于端到端目标检测) + MBA模型.
主要成果:
- 在DINO + MBA模型中,AP50达到94.9%,APbbox达到47.7%.
- 与基线DINO网络相比,表现出0.3%和0.9%的性能改善.
- 性能优于其他检测算法,包括基于快速区域的卷积神经网络.
结论:
- 拟议的MBA显著提高了烟草包装中异物物体检测能力.
- K-PSDDS数据集和MBA增强的DINO模型为自动化质量检查提供了强大的解决方案.
更多相关视频
14:21Creating Dynamic Images of Short-lived Dopamine Fluctuations with lp-ntPET: Dopamine Movies of Cigarette Smoking
Published on: August 6, 2013
18.3K
06:19Integration of Animal Behavioral Assessment and Convolutional Neural Network to Study Wasabi-Alcohol Taste-Smell Interaction
Published on: August 16, 2024
421
