基于CA-DeepLabv3的自然纤维微结构检测方法的研究
Shuaishuai Lv1, Xiaoyuan Li1,2, Hitoshi Takagi2
1School of Mechanical Engineering, Nantong University, Nantong 226019, China.
Materials (Basel, Switzerland)
|December 17, 2024
概括
准确的天然纤维特征需要精确的横截面分析. 这项研究引入了CA-DeepLabv3+模型,用于详细的微观结构细分,提高了性能测量准确度.
科学领域:
- 材料科学 材料科学 材料科学
- 计算机视觉 计算机视觉
- 生物技术是生物技术.
背景情况:
- 天然纤维具有可变的横截面,使精确的属性确定变得复杂.
- 假设圆形截面引入显著的测量误差.
- 自然纤维微结构的精确几何特征对于先进的应用至关重要.
研究的目的:
- 开发一种精确的天然纤维微结构检测和细分方法.
- 在属性分析中解决非均纤维截面的挑战.
- 通过先进的深度学习提高自然纤维特征的可靠性.
主要方法:
- 提出了一种利用CA-DeepLabv3+网络的自然纤维微结构检测方法.
- 采用了MobileNetV2作为功能提取骨干.
- 通过级联优化了Atrous空间金字塔聚合 (ASPP) 模块,并集成了一个高效的多尺度注意力 (EMA) 机制.
主要成果:
- 开发的算法准确地在各种天然纤维类型中对微结构进行细分.
- 实现了 95.2% 的平均像素精度 (mPA).
- 在分段精确度方面获得了90.7%的欧盟平均交叉点 (mIoU).
结论:
- 基于CA-DeepLabv3+的方法提供了自然纤维微结构的准确细分.
- 这种方法增强了几何信息的提取,导致更可靠的属性测量.
- 这项研究为分析复杂的天然纤维形态提供了强大的解决方案.
