.png){kind=icon}
返回
Residual manganese blocks detection algorithm based on CD-SSD
.png){kind=icon}
PRE
AI
DOI：10.1088/2631-8695/ae0d42.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
目标检测在工业自动化中至关重要，特别是在自动化监控和质量控制等任务中。在电解锰生产过程中，识别阴极板上的残余锰块对于提高生产效率和产品质量至关重要。这些锰块由于粘附导致的显著尺度变化和形状失真，带来了独特的挑战，需要专门的检测方法。传统方法通常依赖手动配置来检测这些小且形状不规则的目标，导致准确率显著下降。为解决这一问题，我们提出了一种针对残余锰块检测的改进型单次多框检测器（SSD）算法。我们的框架包含三项关键创新：（1）语义空洞融合（SDF），将高层特征的语义信息融入低层空洞特征中，增强上下文语义的同时保留精细细节；（2）残差连接，以加强多尺度融合过程中的原始特征权重；（3）串联驱动的门控通道转换（CDGCT）机制，通过处理串联特征来平衡通道间的依赖关系。在自有工业数据集和PASCAL VOC基准上的广泛实验证明了模型的有效性，分别实现了84.63%和82.30%的平均精度均值（mAP），超越了YOLOv11、Faster R-CNN、DSSD等当前最佳方法。本研究为工业自动化场景中的高精度检测提供了一种稳健且通用的解决方案。
Keyword:
residual manganese blocks detection
single shot multibox detector
semantic dilated fusion
concatenation-driven gated channel transformation
期刊
E
IF:
1.6
论文数:
2.1K
被引数:
0
机构
引用论文
Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks更快的r-cnn: 基于区域建议网络的实时目标检测
OAAI
OAAI分享收藏Enhanced YOLOv8-Based Model with Context Enrichment Module for Crowd Counting in Complex Drone Imagery基于上下文增强模块的改进YOLOv8模型，用于复杂无人机图像中的 crowd counting
OAAI
OAAI分享收藏分享收藏Improvement of manganese electrolytic process and secondary resources recovery of manganese: A review电解锰工艺改进及锰二次资源回收研究进展
PREAI
分享收藏EMIFF: Enhanced Multi-scale Image Feature Fusion for Vehicle-Infrastructure Cooperative 3D Object DetectionEMIFF：增强的多尺度图像特征融合用于车-基础设施协同3D目标检测OAAI
OAAI分享收藏A Saliency Enhanced Feature Fusion Based Multiscale RGB-D Salient Object Detection Network.png)
ICASSP 2024 - 2024 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)OAAI
ICASSP 2024 - 2024 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)IF0
OAAI分享收藏
查看更多内容