检索结果-南通市图书馆

重庆理工大学学报（自然科学） 2023年第8期37卷 222-230页

作者：吴燕燕王亚杰谢延延沈阳航空航天大学工程训练中心沈阳110136

针对传统深度学习的遥感图像全色锐化方法未考虑源图像多尺度方向信息和通道间的关联紧密性,导致融合图像出现空间信息丢失和光谱失真问题,提出了一种基于多尺度残差注意力网络的遥感图像全色锐化方法。将低空间分辨率多光谱(low-resolu... 详细信息

针对传统深度学习的遥感图像全色锐化方法未考虑源图像多尺度方向信息和通道间的关联紧密性,导致融合图像出现空间信息丢失和光谱失真问题,提出了一种基于多尺度残差注意力网络的遥感图像全色锐化方法。将低空间分辨率多光谱(low-resolution multi-spectral, LRMS)图像经过双三次插值上采样与高空间分辨率全色(panchromatic, PAN)图像级联,得到一个5通道图像作为输入;设计3个并行的多尺度残差注意力网络从空间和通道两方面提取源图像不同频度的特征,每个子网络包含浅层特征提取、深层特征提取、特征融合、特征重建过程,将三者的输出进行跳连接获得最终融合图像,将光谱角映射、平均绝对误差和几何梯度权重相加作为一种新的损失函数来训练参数,以提高网络的信息表征能力;选择在WorldView-2和WorldView-3数据集上与其他7种融合方法进行对比实验,并在WorldView-3数据集上对模型的网络结构及损失函数性能进行验证,实验结果表明:该方法在光谱信息和空间信息保持方面具有明显优势。

关键词：多光谱图像全色图像全色锐化多尺度残差注意力网络损失函数

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

电脑导光板质量智能光学检测关键技术研究

电脑导光板质量智能光学检测关键技术研究

引用

作者：李兆攀浙江理工大学

学位级别：硕士

在当今信息化时代,电脑仍以它优异的性能占据大量市场份额。在电脑显示器中,电脑导光板作为其背光模组的重要组成部分,负责将线光源转换成面光源,其质量直接关系到屏幕显示效果。而在电脑导光板生产环节中,由于受到工艺和环境等要素的影... 详细信息

在当今信息化时代,电脑仍以它优异的性能占据大量市场份额。在电脑显示器中,电脑导光板作为其背光模组的重要组成部分,负责将线光源转换成面光源,其质量直接关系到屏幕显示效果。而在电脑导光板生产环节中,由于受到工艺和环境等要素的影响,不可避免地会出现亮点、划伤、脏污等缺陷。它们的存在将影响相关设备的使用,因此,对生产出的导光板进行质量检测,剔除劣质品尤为重要。目前,大部分导光板厂家采用的是人工检测的方法,该方法是低效的、不准确的,且不利于员工身体健康。随着市场需求的提升,导光板生产线必须要提高质量和速度,因此,一小部分导光板厂家开始引进传统机器视觉检测设备来替换人工检测。但是,由于电脑导光板导光点分布不均匀,且导光板缺陷大小、形状、亮度各异的特点,传统机器视觉方法仍然很难应付这些复杂的情况。本文针对目前导光板缺陷检测领域存在的问题和难点,研发了电脑导光板质量智能光学检测系统,最后结合大量相关实验,验证了本文检测系统的可靠性。全文由如下几方面展开:(1)针对导光板光学特性及产线检测要求,制定了电脑导光板缺陷检测系统硬件方案,包含机械架构、机器视觉装置、电气控制装置。机械架构负责系统支撑、导光板传动、导光板分拣等功能;机器视觉装置负责图像的采集和处理,根据导光板缺陷成像特性,最终确定了设置选型方案:线扫相机、线扫描镜头、多角度光源、工控机;电气控制装置负责整个系统的控制逻辑,整体流程如下:导光板从产线进入检测设备,通过传送带进行运输,首先通过限位装置对其进行位置调整,保证其不超出相机视野,随后会触发光电传感器,产生一个进料信号给PLC,PLC接收到该信号后点亮多角度光源,并触发线扫相机进行图像采集,后续根据检测结果,PLC控制机械手进行导光板的分拣。(2)根据电脑导光板图像特点,构建了一个基于“分割+决策”的两阶段多尺度残差注意力网络用于电脑导光板缺陷检测。第一阶段,构建一个分割子网络,通过使用U型结构和设计的多尺度残差注意力单元(Multiscale Residual Attention Unit,MRAU),来完成缺陷的精确分割和定位。第二阶段,构建一个决策子网络,在分割子网络提取出的特征的指导下,准确判断导光板图像是否有缺陷。设计的模型使用少量的样本进行训练,克服了缺陷样本数量受限的情况。通过在自建的电脑导光板数据集(Compute Light Guide Plate Surface Defect Detection,CLGPSDD)和开源的高分辨率电子换向器缺陷数据集(KolektorSDD)上的一系列实验对比,证明了本方法在检测精度和通用性上的优势,其中在CLGPSDD数据集上准确率达到了99.839%,F1-Score指标达到了99.845%。(3)基于VS2017平台的MFC框架搭建,并结合OpenCV图像库、PyTorch深度学习平台联合开发了一套模块化的导光板缺陷检测可视化系统。

关键词：电脑导光板缺陷检测深度学习多尺度残差注意力网络缺陷检测系统

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：