基于语义分割的钢材缺陷检测算法

针对语义分割算法在钢材缺陷检测的实际应用与研究较少,以及传统语义分割方法对缺陷分割精度较低的情况,提出基于HRNet(High-Resolution Net)的钢材表面缺陷深度高分辨率特征检测方法。该方法采用多级网络并联架构保持高分辨率特征,通过并行多分辨率卷积和重复多分辨率融合机制提取强位置敏感度的高分辨率特征,结合HRNet对增强数据集进行冻结训练与迁移学习,最终实现钢材表面缺陷图像的高精度分割。试验表明,该方法对钢材缺陷具有较好的分割效果,其平均交并比(MIOU)指标和平均像素精度(MPA)指标分别达到94.92%和97.64%。