使用改进的U-Net网络基于概率地图融合的低对比涂层表面微裂纹检测

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
• 图像处理 图像处理

背景情况:

• 由于对比度低,复杂的背景和不连续的裂纹图案,涂料中的微裂纹检测具有挑战性.
• 现有的方法难以准确识别和描述细小或碎片裂.

研究的目的:

• 开发一种先进的方法,用于准确检测涂层表面上的微裂纹.
• 为了提高裂纹检测算法的稳定性和灵敏性.

主要方法:

• 一种新的方法,将圆形社区特征与改进的U-net (ImF-Att-DO-U-net) 架构相结合.
• 预处理涉及中位过,差异操作和高斯平滑以增强对比度.
• 多尺度,多方向圆形扫描过器生成裂纹概率图,用于U-net的双通道输入.
• U-net编码器使用CBAM,解码器使用DO-Conv和Leaky ReLU来改进功能提取.
• 一个混合损失函数 (二进制交叉和子损失) 解决了类不平衡.

主要成果:

• 提出的方法实现了0.884的子系数,0.893的SSIM和0.911.11的准确性.
• 成功提取了98%的裂≥10微米,最小可检测的裂大小为7微米.
• 与DO-U-net等现有型号相比,表现出优越的性能,以及对噪声和模糊的出色强度.

结论:

• ImF-Att-DO-U-net方法显著提高了涂层表面的微裂纹检测准确度和灵敏度.
• 该方法提供了强大的性能和适应各种环境条件的适应性,包括噪音和模糊.
• 该技术为涂料应用中的质量控制和材料完整性评估提供了可靠的工具.