文档名：基于圆卷积神经网络的粘连导电粒子检测
摘要：为了提高粘连导电粒子检测的精度和稳定性,提高评价指标的客观性和与实际生产需求的适配度,提出了基于圆卷积神经网络的粘连粒子检测.首先提出了更适合粒子检测的圆卷积,修改可变形卷积的采样策略,限制采样点偏移量x,y坐标的自由度,增加尺寸控制参数作为补偿.然后,基于U-MultiNet网络架构将圆卷积替代原有卷积形式,并增加注意力机制,通过标签图计算自注意力,以此作为权重修改损失函数和标签图.最后,提出可重复性和可再现性指标综合评价算法的精度和稳定性.实验结果表明,本文方法的可重复性和可再现性分别为0.8092和0.7051,相比现有主流方法提高了4.52%和1.74%;精确度和召回率分别为0.7128和0.6974,准确度为0.8341,比现有主流方法高1.68%.相比于现有主流方法,该方法对于粘连干扰的粒子检测效果有明显提升,可以满足工业上对粒子检测精度、稳定性和实时性的要求.
Abstract：Toenhancetheaccuracyandstabilityofconductiveparticledetectionandtomeetactualproduc-tiondemands,amulti-particledetectionmethodbasedonasimplifieddeformableconvolutional(circularconvolutional)neuralnetworkisproposed.First,anappropriatemodelandnetworkarechosenbasedonthecharacteristicsofthedetectiontaskandtarget.Then,adeformableconvolutionsamplingstrategyisin-troducedandmodifiedtorestrictthesamplingpointoffset,withaddedsizecontrolparameters.Acircularconvolution,moresuitableforparticledetection,replacessomeconvolutionallayersoftheoriginalnet-work.Additionally,anattentionmechanismisintroducedtocalculateself-attentionthroughlabelgraphs,whichserveasweightmodificationlossfunctionsandlabelgraphs.Finally,acomprehensiveevaluational-gorithmfortheaccuracyandstabilityofrepeatabilityandreproducibilityindicatorsisproposed.Theresultsshowthattherepeatabilityandreproducibilityindicatorsofourmethodare0.8092and0.7051,respective-ly,outperformingexistingmainstreammethodsby4.52%and1.74%.Theaccuracyandrecallratesare0.7128and0.6974,respectively,withanoverallaccuracyof0.8341,surpassingexistingmethodsby1.68%.Comparedtoexistingmainstreammethods,ourapproachsignificantlyimprovestheparticledetec-tionperformanceunderadhesioninterference,meetingindustrialrequirementsforaccuracy,stability,andreal-timeprocessing.
作者：刘子龙 罗晨 周怡君 贾磊Author：LIUZilong LUOChen ZHOUYijun JIALei
作者单位：东南大学机械工程学院,江苏南京211189;无锡尚实电子科技有限公司,江苏无锡214174
刊名：光学精密工程 ISTICEIPKU
Journal：OpticsandPrecisionEngineering
年，卷(期)：2024, 32(11)
分类号：TP394.1
关键词：机器视觉 深度学习 神经网络 导电粒子检测 圆卷积
Keywords：machinevision deeplearning neuralnetwork conductiveparticledetection circularconvo-lution
机标分类号：TP391G424TP274
在线出版日期：2024年7月24日
基金项目：国家自然科学基金，国家自然科学基金，江苏省重点研发计划资助项目基于圆卷积神经网络的粘连导电粒子检测[
期刊论文] 光学精密工程--2024, 32(11)刘子龙 罗晨 周怡君 贾磊为了提高粘连导电粒子检测的精度和稳定性,提高评价指标的客观性和与实际生产需求的适配度,提出了基于圆卷积神经网络的粘连粒子检测.首先提出了更适合粒子检测的圆卷积,修改可变形卷积的采样策略,限制采样点偏移量x,y坐...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于圆卷积神经网络的粘连导电粒子检测 Detection of conductive multi-particles based on circular convolutional neural network
基于圆卷积神经网络的粘连导电粒子检测.pdf
- 文件大小:
- 11.45 MB
- 下载次数:
- 60
-
高速下载
|
|
