基于S-ASPP和双注意力机制的磁瓦外观缺陷检测算法

来源：电子测量技术杂志2023年第2期北京时间：

作者：宁奉阁，石金进

单位：1.三峡大学电气与新能源学院 宜昌 443002; 2.福建工程学院交通运输学院 福州 350118

摘要：针对现有视觉缺陷检测算法对磁瓦外观识别精度低的问题，提出一种S-ASPP和双注意力机制的磁瓦外观缺陷检测算法。首先，为了解决模型参数量大，网络结构复杂所带来的检测效率低，算法部署硬件成本高等问题，提出采用轻量化GhostNet主干网络提取视觉底层特征；其次，设计S-ASPP模块引入密集连接和深度可分离卷积，以此在降低模型参数量的同时，提高模型的预测速度。然后，为了解决特征提取过程中可能出现语义信息丢失的问题，设计双注意力模块，将GhostNet的中层特征送入双注意力模块并与ASPP处理后的高层特征进行拼接，使网络获取更多语义特征，提高分割精度。最后,为验证本文所提方法的有效性，在磁瓦数据集上与DeepLabV3+、PSPNet、U-net等3种算法进行对比，实验结果表明，基于可分离ASPP和双注意力机制的磁瓦缺陷检测算法的具有较高的识别精度，平均交并比达到82.43%，类别平均像素准确率达到93.08%。该算法平衡了识别精度与参数量之间的关系，综合性能最优。

关键词：深度学习;缺陷检测;磁瓦;语义分割