文章编号：1002-2082(2023)01-0086-07基于改进U-net的金属工件表面缺陷图像分割方法王一1,2，龚肖杰1，苏皓1,3（1.华北理工大学电气工程学院，河北唐山063210；2.唐山市金属构件产线智能化技术创新中心，河北唐山063210；3.唐山市半导体集成电路重点实验室，河北唐山063210）摘要：针对金属工件表面小尺寸缺陷及受非均匀光照影响的图像缺陷难以分割的问题，提出了一种改进的U-net语义分割网络，实现金属工件表面缺陷图像的精确分割。首先，在U-net网络中融入CBAM（convolutionalblockattentionmodule）模块来提升图像中缺陷目标的显著度；其次，采用深度超参数化卷积DO-Conv(depthwiseover-parameterizedconvolutional)代替网络中部分传统卷积，增加网络可学习的参数数量；然后，采用LeakyRelu函数代替网络中部分Relu函数，提高模型对负区间的特征提取能力；最后，采用中值滤波及非均匀光照的补偿方法进行图像预处理，减弱非均匀光照对金属工件图像表面缺陷的影响。结果表明：改进后的网络平均交并比、准确率和Dice系数指标分别达到0.8335、0.9332、0.8674，改进的网络显著提升了对金属工件表面缺陷图像的分割效果。关键词：表面缺陷；图像分割；语义分割网络；卷积注意力模块；深度超参数化卷积中图分类号：TN209；TP391文献标志码：ADOI：10.5768/JAO202344.0102004ImagesegmentationmethodofsurfacedefectsformetalworkpiecesbasedonimprovedU-netWANGYi1,2，GONGXiaojie1，SUHao1,3（1.CollegeofElectricalEngineering,NorthChinaUniversityofScienceandTechnology,Tangshan063210,China；2.TangshanTechnologyInnovationCenterofIntellectualizationofMetalComponentProductionLine,Tangshan063210,China；3.TangshanKeyLaboratoryofSemiconductorIntegratedCircuits,Tangshan063210,China）Abstract：Forthesmall-sizedefectsofmetalworkpiecesurfaceandthedifficultsegmentationofimagedefectsduetonon-uniformillumination,animprovedU-netsemanticsegmentationnetworkwasproposedtoachieveaccurateimagesegmentationofsurfacedefectsformetalworkpieces.Firstly,theconvolutionalblockattentionmodule(CBAM)wasintegratedintotheU-netnetwoktoimprovethesignificanceofthedefectivetargetsintheimage.Secondly,partofthetraditionalconvolutioninthenetworkwasreplacedbydepthwiseover-parameterizedconvolution(DO-Conv)toincreasethenum...
