基于改进U-Net的手机屏幕缺陷检测模型

U-Net网络缺乏合理的机制利用深层和浅层特征信息,导致分割结果在细节区域缺乏准确性。为解决该问题,文章引入了一个动态堆叠编码器替代传统的U-Net编码器。该动态堆叠编码器可以根据特定目标动态调整对深层和浅层特征图的作用,从而实现更好的分割性能。另外,为了简化网络结构并降低计算复杂度,引入一个路径融合模块。该模块将U-Net底部的编码-解码结构融合成单一路径,显著减少了参数数量和推理时间。

基于YOLO的手机外观缺陷视觉检测算法

针对在小规模手机屏幕缺陷数据检测效率不高的问题,提出了一个基于YOLO v3的手机外观缺陷视觉检测算法,即YOLO-q-v3算法。YOLO-q-v3算法通过改进DarkNet-53网络结构,减少原网络的层数和相应的模型参数,有效地提高算法的检测效率。将YOLO v3算法和本文提出的YOLO-q-v3算法对同一数据集进行对比实验,实验结果表明,YOLO-q-v3算法能够正确识别手机屏幕裂痕,YOLO-q-v3在检测速率上比YOLO v3算法提高了24%。