基于AW-Net的轮毂射线图像分割算法

作     者：曹富强 王明泉 张俊生 邵亚璐 CAO Fuqiang;WANG Mingquan;ZHANG Junsheng;SHAO Yalu

作者机构：中北大学信息与通信工程学院山西太原030051 太原工业学院电子工程系山西太原030051 

出 版 物：《光电子．激光》 (Journal of Optoelectronics·Laser)

年 卷 期：2022年第33卷第1期

页      面：45-52页

核心收录：

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：山西省重点研发计划(201803D121069) 山西省高等学校科技创新项目(2020L0624) 山西省信息探测与处理重点实验室基金(ISPT2020-5)资助项目 

主　　题：轮毂射线图像 缺陷识别 深度学习 图像分割 U-Net 

摘      要：针对传统方法下的汽车轮毂内部缺陷检测效率低、精度达不到工业标准的问题,本文提出了一种基于改进U-Net神经网络的轮毂X射线图像缺陷分割方法AW-Net。该方法通过三级跳跃连接的方式级联两个U型网络对图像特征进行深度提取。同时在跳跃连接的过程中融合注意力机制以解决小目标的变化情况容易被漏检的问题,并通过实验验证结合使用多种激活函数来实现更精准的轮毂X射线图像语义分割,增加网络的拟合能力,提高网络的鲁棒性。实验结果表明:改进后的算法在本文构建数据集的汽车轮毂内部缺陷的误判率为2.73%,漏判率为0,识别率达到93%以上,其分割精度高于传统图像分割网络全卷积网络(fully convolutional network, FCN)和U-Net,且本方法边缘分割更加平坦,满足现代轮毂内部缺陷无损检测的需要。