基于深度学习的滤光片表面划痕检测方法.pdfVIP

业控制计算机曳园4年第猿7卷第7期79

基于深度学习的滤光片表面划痕检测方法

DeepLearning-basedMethodsforScratchDetectiononFilterSurface

高乃凤渊福建理工大学电子电气与物理学院福建福州350000冤

郑积仕渊福建理工大学交通运输学院福建福州350000冤

摘要院在光学滤光片生产制造的过程中由于生产环境和制造工艺的影响滤光片表面会出现划痕而划痕会影响滤光

片的使用遥采用人工检查存在效率低和漏检误检的问题针对这一问题提出了一种检测滤光片划痕并计算划痕尺寸的方法遥

首先在U-NET的跳跃连接部分加入CBAM注意力机制来增强浅层特征的表达能力使得识别出的划痕更加完整和准确

接着在解码阶段使用多尺度特征融合模块来融合各层输出的特征图该算法的划痕识别准确率可达95.17%曰然后利用骨架

化算法对划痕区域提取中心线计算中心线的长度作为划痕的长度曰最后利用最大内接圆直径法计算划痕的宽度遥实验结果

表明该方法与其他的测量方法相比误差最小可以用于实际的生产测量提高生产效率遥

关键词院光学滤光片曰U-net曰划痕定量分析

Abstract:Duringthemanufacturingprocessofopticalfilters,scratcheswillappearonthesurfaceofthefilters.Theuse

ofmanualinspectionsuffersfromtheproblemsoflowefficiencyandmissdetectionandmisdetection,andthispaperpro鄄

poseamethodtodetectthescratchesonfiltersandcalculatethesizeofthescratchestoaddressthisproblem.Firstly,

theCBAMattentionmechanismisaddedtothejumpconnectionpartofU-NETtoenhancetheexpressionabilityofthe

shallowfeatures,whichmakestheidentifiedscratchesmorecompleteandaccurate,andthenthemulti-scalefeaturefusion

moduleisusedtofusethefeaturemapsofeachlayerinthedecodingstage,andtheaccuracyofthisalgorithminidenti鄄

fyingscratchesisupto95.17%,andthen,theskeletonizationalgorithmisusedtoextractthecentrelineofthescratched

area,andthelengthofthecentrelineiscalculatedasthelengthofthescratches.Thecentrelineisextractedfromthe

scratchedareausingtheskeletonisationalgorithm,thelengthofthecentrelineiscalculatedasthelengthofthescratch,

andfinallythewidthofthescr