改进U-Net的光条纹分割算法

摘要：

针对传统基于线结构光的视觉测量系统存在光条纹分割精度低的问题,提出了一种改进U-Net的光条纹分割算法.改进算法使用VGG16的卷积池化层代替U-Net编码块中的卷积池化层,在U-Net编-解码层间的跳连接中引入坐标注意力机制,在U-Net编码块末端接入金字塔池化模块,采用Dice函数和交叉熵函数的组合作为网络的损失函数,解决了光条纹占比失衡问题.基于线结构光测量原理,设计了工件尺寸测量系统.实验结果表明:改进U-Net算法的平均像素准确度(mpa)为95.61％,平均交并比(mIoU)为89.73％,均高于其他对比算法;工件测量尺寸的绝对误差小于0.1 mm,相对误差小于1％,重复精度小于0.2％,满足工件的检测要求.

关键词：线结构光、光条纹分割、深度学习、特征点提取、非接触测量

所属期刊栏目：59

分类号：TP391.41;TP274;TN919.81

资助基金：中国科学院战略性先导科技专项;国家自然科学基金;辽宁省重点研发计划;中国航发自主创新专项资金项目;王宽诚教育基金;辽宁省兴辽英才计划项目

在线出版日期：2022-08-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：323-335