如需要完整文档点击下方 "点击下载文档" 按钮

在电机磁瓦生产中可能因生产工艺不可避免产生残次品从而影响电机质量,因此对电机磁瓦质量进行挑选,去除残次品,成为电机磁瓦生产中的必须工序。 为解决传统图像处理检测能力弱、效率低且检测精准度低等问题,在 ResNet-50 的网络结构基础上,提出一种融合多重注意力机制残差网络的电机磁瓦缺陷检测网络模型。 该目标检测网络结合卷积网络和注意力机制( Convolutional Block Attention Module,CBAM) 构建了一种可以和网络进行端到端训练的非降维通道注意力和空间注意力串联模块,以建立特征之间的空间相关性,增强网络性能。 在电机磁瓦数据集上的实验结果表明,改进的目标检测网络在电机磁瓦缺陷图像的全类别平均准确率 mAP 达到 96. 92% ,所提算法的 mAP 值较原始 ResNet-50网络算法提升了 2. 17% 。 验证了所提算法对电机磁瓦缺陷检测任务的有效性。

如需要完整文档点击下方 "点击下载文档" 按钮

《基于多重注意力机制的电机磁瓦表面缺陷检测》

将 完整文档 下载到本地，方便收藏和查阅

文件号：060242

点击下载文档