一个新的四边形轮解算法用于工业仪器读取检测检测
Xiang Li1, Changchang Zeng2, Yong Yao3
1School of Mechanical Engineering, Sichuan University, Chengdu 610065, China.
Entropy (Basel, Switzerland)
|February 26, 2025
概括
本研究介绍了四边形轮脱检测网络 (QCDNet),以准确检测工业图像中的仪器读数. QCDNet有效地处理轮扭曲和顶点纠,提高检测精度和回忆.
科学领域:
- 计算机视觉 计算机视觉
- 机器学习 机器学习
- 工业自动化 工业自动化
背景情况:
- 仪器读取检测是具有挑战性的,因为视角扭曲和顶点纠在工业图像.
- 由于标签不准确,现有的方法难以准确的自动显示读取.
研究的目的:
- 提出一个新的网络,QCDNet,用于强大的仪器读取检测.
- 解决工业仪器图像中的轮扭曲和顶点纠问题.
主要方法:
- 开发了一个四边形轮脱检测网络 (QCDNet).
- 使用多尺度特征金字塔网络 (MsFPN) 进行增强的特征提取.
- 引入了极坐标解表示法 (PCDR) 以使用极坐标和专门的损失函数来建模轮.
主要成果:
- 与现有的四边形检测算法相比,QCDNet表现出卓越的性能.
- 在仪器数据集上,在精度方面取得了4.07%,在回忆方面取得了1.8%,在F测量方面取得了2.89%的改进.
结论:
- QCDNet有效地克服了因轮扭曲和顶点纠引起的仪器读取检测方面的挑战.
- 提出的方法,MsFPN和PCDR,有助于提高检测网络的准确性和稳定性.
