第38卷第4期2023年8月天津科技大学学报JournalofTianjinUniversityofScience&TechnologyVol.38No.4Aug.2023收稿日期：2023–01–09；修回日期：2023–04–06作者简介：黄紫彤（1997—），男，湖北人，硕士研究生；通信作者：刘尧猛，副教授，liuym@tust.edu.cn基于改进U-Net的电子换向器表面缺陷分割方法黄紫彤，刘尧猛，李瑞(天津科技大学人工智能学院，天津300457)摘要：电子换向器的表面缺陷形状各异、缺陷与背景差异较小，同时还存在表面杂质干扰缺陷分割结果等问题，导致电子换向器缺陷难以精细分割。本文提出一种基于多尺度融合和残差分离卷积的改进U-Net缺陷分割方法。将不同尺度的图像输入编码模块便于网络模型提取多尺度下缺陷特征信息，并构建残差分离卷积模块，在增大感受野的同时保留细节特征。将多尺度的输出图像放大到相同尺度并融合作为最终输出，实现特征信息语义和位置的信息互补，从而提高网络的分割精度。在公开的KolektorSDD数据集上的实验结果表明，该方法的相似性系数和精确率分别达到97.3%与97.8%，缺陷分割效果相比于SegNet、FCN-8S等经典分割网络更加优秀，能够更加准确地识别细小缺陷。关键词：电子换向器；缺陷检测；多尺度融合；残差分离卷积；U-Net中图分类号：TP391文献标志码：A文章编号：1672-6510(2023)04-0041-07SurfaceDefectSegmentationofElectronicCommutatorBasedonImprovedU-NetHUANGZitong，LIUYaomeng，LIRui(CollegeofArtificialIntelligence，TianjinUniversityofScience&Technology，Tianjin300457，China)Abstract：Thesurfacedefectsoftheelectroniccommutatorarediverseinshape，withsmalldifferencesbetweendefectsandbackgrounds，andtherearealsosuchproblemsassurfaceimpuritiesinterferingwiththedetectionresults，whichmakesitdifficulttofinelysegmentcommutatordefects.Tosolvetheseproblems，animprovedU-Netdefectsegmentationmethodbasedonmulti-scalefusionandresidualseparationconvolutionisproposedinthisarticle.Intheimprovedmethod，differentscalesofimagesareinputintothecodingmodule，whichmakesitconvenientforthenetworkmodeltoextractdefectfeatureinformationatmultiplescales，andtheresidualseparableconvolutionmoduleisconstructedtoincreasethereceptivefieldwhileretainingdetailedfeatures.Theoutputimagesofmultiplescalesareenlargedtothesamescaleandfused...
