多级尺度注意力融合网络用于微镜镜包装中的粘合点细分.
Yixiong Yan1, Sijia Chen1, Lian Duan2
1College of Mechanical and Vehicle Engineering, Changsha University of Science & Technology, Changsha 410114, China.
Micromachines
|September 27, 2025
概括
一个新的网络,MLSAFNet,准确地检测激光聚合镜片上的粘合点. 这种方法可以提高高功率激光应用的精密检查.
科学领域:
- 光学和光子学 在光学和光子学.
- 机器学习 机器学习
- 质量控制 质量控制 质量控制
背景情况:
- 高功率激光器需要精确的聚合镜头包.
- 精确检查接点对于镜头质量至关重要.
- 现有的方法缺乏粘合剂点检测所需的精度.
研究的目的:
- 开发一种高精度和强大的方法,用于检测激光聚合镜片上的粘合点.
- 为完成这一任务,引入了多层次的注意力融合网络 (MLSAFNet).
- 创建和标准化一套针对激光镜头粘合点 (LLAS) 的新数据集.
主要方法:
- 提出了多层次规模注意力融合网络 (MLSAFNet).
- 集成了一个多级注意模块 (MLAM) 和一个多级通道引导模块 (MSCGM).
- 使用自动化设备和像素级标准化开发了激光镜片粘合点 (LLAS) 数据集.
主要成果:
- MLSAFNet实现了91.15%的工会 (mIoU) 的平均交叉点.
- 最大定位误差为21.83微米,面积测量误差为0.003mm2.
- 性能超过了其他目标检测方法.
结论:
- MLSAFNet在激光镜头包装的粘合点检测方面取得了重大进展.
- 开发的LLAS数据集和MLSAFNet有助于提高高功率激光制造中的质量控制.
- 该方法表现出高精度和稳定性,满足精密检查的要求.
