.png){kind=icon}
返回
Surface defect detection using distributed features
.png){kind=icon}
PRE
AI
DOI：10.1016/j.engappai.2025.110655.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
表面缺陷检测在制造业中至关重要，因其对产品质量和运营效率具有显著影响而受到越来越多的关注。随着人工智能（AI）的发展，基于深度学习的网络已广泛应用于自动化表面缺陷检测。然而，大多数现有网络依赖标准卷积层（Conv），由于核大小定义的学习区域有限，主要提取局部信息。为解决此局限性，我们提出了一种利用分布式特征的表面缺陷检测网络（DF-SDD），其包括用于特征提取的分布式特征提取块（DFEB）和用于特征融合的空间注意力门（SAG）。DFEB通过引入分布式卷积层（DConv）和分布式深度可分离卷积层（DDWConv），有效捕捉局部和长距离信息，在保持低复杂度的同时提供了更广阔的学习区域。SAG合并不同层次的特征，以增强多尺度下的空间信息。实验结果表明，在表面缺陷数据集上，DF-SDD在性能和复杂度方面均优于当前最佳网络。
Keyword:
Surface defect detection
Distributed features
Artificial intelligence
期刊
IF:
8
论文数:
5.4K
被引数:
3.5W
机构
暂无机构信息
引用论文
分享收藏Swin-MFINet: Swin transformer based multi-feature integration network for detection of pixel-level surface defectsSwin-MFINet: 基于Swin变压器的像素级表面缺陷检测的多特征集成网络
PREAI
分享收藏Automatic defect detection and segmentation of tunnel surface using modified Mask R-CNN基于改进掩模r-cnn的隧道表面缺陷自动检测与分割.png)
MEASUREMENT
MEASUREMENTIF5.6
PREAI
分享收藏A High-Efficiency Fully Convolutional Networks for Pixel-Wise Surface Defect DetectionIEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏
查看更多内容