文献

J-GLOBAL ID：202202212910346444   整理番号：22A0779072

チャネル注意と双方向特徴融合によるアンカーフリーネットワークに基づく鋼ストリップの表面欠陥検出【JST・京大機械翻訳】

Surface Defect Detection of Steel Strips Based on Anchor-Free Network With Channel Attention and Bidirectional Feature Fusion

著者 (3件)： Yu Jianbo (School of Mechanical Engineering, Tongji University, Shanghai, China) ,  Cheng Xun (School of Mechanical Engineering, Tongji University, Shanghai, China) ,  Li Qingfeng (Hangzhou Innovation Institute, Beihang University, Hangzhou, China)
資料名： IEEE Transactions on Instrumentation and Measurement  (IEEE Transactions on Instrumentation and Measurement)
巻： 71  ページ： ROMBUNNO.5000710.1-10  発行年： 2022年 
JST資料番号： C0232A  ISSN： 0018-9456  CODEN： IEIMAO  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ストリップ鋼は製造業における不可欠な材料であり,表面の欠陥は品質を直接決定する。クラス内とクラス間の表面欠陥の多様性と複雑性のため,多くのマンパワーと資源が表面欠陥検出に devotedげられた。本論文では,鋼ストリップ上の迅速かつ効果的な欠陥検出を達成するために,完全畳込み1段階(CABF-FCOS)ネットワーク上の新しい深層学習検出ネットワーク,チャネル注意および双方向特徴融合を提案した。最初に,アンカフリーFCOSを,アンカーに関連したそれらのハイパーパラメータの影響を除くための検出フレームワークとして提案した。第二に,チャネル注意機構(CAM)モジュールを提案して,特徴情報の損失を減らした。最後に,画像上のより効果的な特徴融合のために双方向特徴融合ネットワーク(BFFN)と特徴ピラミッドネットワーク(FPN)を置き換える。これは特徴情報の損失を減らし,欠陥検出性能を改善するために特徴融合を実行する。実験は,平均精度(mAP)が,1秒当たり18フレーム(FPS)の検出率で76.68%であり,FCOSで4.43%改善され,最先端の(SOTA)検出法より高いことを示した。これは,CABF-FCOSが満足な欠陥検出性能を得ることができて,産業におけるリアルタイム検出の要求を満たすことができることを示した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 検出 ,  畳込み ,  *ネットワーク ,  分類 ,  労働力 ,  *鋼 ,  *帯板 ,  *故障検出 ,  製造業 ,  *帯鋼 ,  表面欠陥 ,  検出法 ,  チャネル ,  機械学習
準シソーラス用語： 検出率 ,  深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 非破壊試験  (HB02030F)

タイトルに関連する用語 (7件)： チャネル ,  注意 ,  双方向 ,  特徴融合 ,  アンカー ,  鋼ストリップ ,  欠陥検出