.png){kind=icon}
返回
Process-Aware Feature Modulation for Fine-Grained Connector Detection
.png){kind=icon}
OA
AI
DOI：10.3390/electronics15163754.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
尽管深度学习显著提高了视觉检测系统的精度，但将工艺语义与视觉感知相结合以应用于工业装配任务仍 largely unexplored。本研究旨在开发一种高精度电缆连接器检测框架，通过融入工艺知识来增强特征判别能力，以应对变化的工业成像条件。为实现此目标，我们构建了一个基于ConvNeXt V2骨干网络的增强型全卷积单阶段（FCOS）检测器，并引入了工艺特征线性调制（PFNM）模块。所提出的模块利用编码的工艺语义自适应地调制视觉特征，使检测器能够将视觉感知与装配逻辑对齐。在工业连接器数据集上的实验表明，所提出的方法达到84.7%的mAP，优于YOLOv11、RT-DETR和DINO等代表性最新技术检测器，同时保持17.6 FPS的推理速度。消融研究进一步表明，各组件均对性能提升做出贡献，完整框架相较于ResNet-50基线实现5.5%的AP增益。这些结果表明，将工艺知识与视觉特征学习相结合有效提升了特征判别能力，并为智能制造中的工艺感知感知提供了一种有前景的范式。
Keyword:
object detection
industrial inspection
feature modulation
process semantics
connector detection
deep learning
期刊
IF:
2.6
论文数:
1.1W
被引数:
4.7W
机构
引用论文
Rotated cascade R-CNN: A shape robust detector with coordinate regression.png)
PATTERN RECOGNITION
PATTERN RECOGNITIONIF7.6
PREAI
分享收藏A Hard Voting Policy-Driven Deep Learning Architectural Ensemble Strategy for Industrial Products Defect Recognition and ClassificationSENSORS
OAAI
SENSORSIF3.5
OAAI分享收藏Hybrid feature-based machine vision method for objective evaluation of textile pilling and fuzzing基于混合特征法的机器视觉方法，用于纺织品起毛起球的客观评价PLOS ONEOAAI
PLOS ONEIF2.6
OAAI分享收藏Recognition of Dorsal Hand Vein in Small-Scale Sample Database Based on Fusion of ResNet and HOG FeatureElectronicsOAAI
ElectronicsIF0
OAAI分享收藏Research on object detection and recognition in remote sensing images based on YOLOv11基于YOLOv11的遥感图像目标检测与识别研究SCIENTIFIC REPORTSOAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏
查看更多内容