基于光度立体和深度学习的电池缺陷检测方法
针对电池缺陷检测易受黑色外观干扰,导致仅通过一张单光源下观测图像的局限视觉,无法实现缺陷的有效识别的问题,提出了一种端到端的光度立体视觉缺陷检测模型。首先,利用光度立体特征生成模块生成法线特征,获取物体表面细节信息;然后,采用通道协同注意力机制,探讨特征信道间的相互关系,充分挖掘特征间的关联以自适应地增强全局表示,进一步提升信息表达能力;最后,利用特征金字塔和空间金字塔池化实现多尺度预测,提升分类准确率。在自建Battery 101数据集上的实验结果表明:与其他算法相比,本文算法在检测精度和推理速度上都取得较好效果。此外,消融实验也进一步验证了模型中各个模块的有效性。
吉林大学学报(工学版)
2024年12期
立即查看 >
图书推荐
相关工具书