基于残差和特征分块注意力的激光打码字符分割

金属表面激光打码工艺易造成周围金属变性,产生灼伤等形式的大量噪声,导致字符区域背景复杂,字符对比度低及模糊问题,给后续字符识别带来困难。因此提出一种基于残差和特征分块注意力的激光打码字符特征增强与精细分割模型Res18-UNet,以突出字符信息,提高信噪比,从而有效分割目标。首先设计了注意力-残差特征提取单元,减少网络参数的同时避免网络退化,提高通道和空间的特征选择能力。其次提出特征分块注意力机制,加入了改进的特征分块空间注意力,增强微弱字符特征。此外,在上采样阶段设计了融合改进损失函数的多重监督模块,改善网络收敛能力,提高分割精度。在激光打码易拉罐罐底图像数据集上实验得到的mIoU系数、Dice系数和F1分数均优于原UNet,分别达到了0.8010,0.8895和0.9035,预测速度是原UNet的2.6倍,为12.24张/秒。实验说明,该算法能够有效地对低对比度激光打码字符进行特征增强和高精度分割,且具有在嵌入式平台上部署运行的可行性与应用前景。