一个实时细分网络用于电池表面缺陷检测和检测缺陷
Jiaxing Xie1,2,3,4, Peiwen Wu5, Jiasi Chen5
1College of Electronic Engineering (College of AI), South China Agricultural University, Guangzhou, 510642, China. xjx1998@scau.edu.cn.
Scientific reports
|November 19, 2025
概括
本研究介绍了用于电池表面缺陷检测的双重注意力金字塔细分网络 (DAPSeg). DAPSeg有效地识别微小的缺陷,并平衡高精度与实时性能.
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
- 人工智能的人工智能
背景情况:
- 电池表面缺陷检测对于工业应用至关重要.
- 现有的方法在不同的缺陷尺度,特别是微小的缺陷上扎.
- 高精度和实时性能对于缺陷检测至关重要.
研究的目的:
- 提出一个新的网络,双注意力金字塔细分网络 (DAPSeg),用于精确和实时的电池表面缺陷细分.
- 为了应对尺度变化的挑战和同时高精度和速度的需求.
主要方法:
- 开发了DAPSeg,采用了选择性内核模块 (SKM) 进行自适应的多尺度特征提取.
- 采用了一种轻量级的细分头,配备蓝图可分离层 (BSL) 和双重注意力特征融合模块 (DAFFM).
- 在LB-SD数据集上使用扩散模型进行数据增强,以减轻过度拟合.
主要成果:
- DAPSeg获得了79.57% (LB-SD),83.53% (MT) 和89.10% (MSD) 的mIoU分数.
- 该模型的处理速度为74.09 FPS.
- 在平衡准确性和推断速度方面超越了最先进的模型.
结论:
- DAPSeg为电池表面缺陷检测提供了一个强大的解决方案.
- 该网络实现了高精度和实时处理能力.
- 在不同的数据集中,DAPSeg表现出强大的泛化性能.
更多相关视频
11:03Nanoscale Characterization of Liquid-Solid Interfaces by Coupling Cryo-Focused Ion Beam Milling with Scanning Electron Microscopy and Spectroscopy
Published on: July 14, 2022
3.9K
10:58Focused Ion Beam Fabrication of LiPON-based Solid-state Lithium-ion Nanobatteries for In Situ Testing
Published on: March 7, 2018
10.6K