先验知识辅助的金属涂层损伤分割方法

摘要：

金属涂层损伤的自动识别是一项具有重大实际应用价值的研究.随着深度学习在各类材质的表面损伤图像分割任务中取得突破性进展,大部分研究工作使用端到端的深度卷积神经网络分割模型分割损伤区域.然而,端到端深度学习方法很难利用金属涂层损伤相关的先验知识来识别损伤尺度差异大、训练数据不足等问题.因此,设计了一种基于先验知识的金属涂层损伤区域分割算法,结合深度学习分割模型U-Net实现金属涂层损伤的自动识别.该算法基于Hue通道分布和边缘响应对金属涂层图像中的异常区域进行分割,深度学习分割模型利用先验知识排除异常样本,可有效避免过拟合.在含有开裂、起泡、生锈和脱落这 4类损伤的金属涂层数据集中,该算法取得了 81.24%mIoU的分割效果,优于端到端的深度学习方法.实验结果表明,先验知识辅助能够有效提升深度学习分割模型对金属涂层损伤的分割效果.

关键词：深度学习、损伤识别、图像分割、先验知识

所属期刊栏目：53

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;西南技术工程研究所合作基金项目

在线出版日期：2024-02-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：76-83