基于MCL-UNet网络的激光熔覆层表面平整度识别

摘要：

表面平整度是衡量多道搭接熔覆层表面质量的重要指标之一,为改进人工标注获取表面平整度耗时费力的问题,本文利用图像识别和语义分割神经网络方法提出了自动识别熔覆层表面平整度.针对搭接熔覆层特征,基于改进的U-Net与注意力机制(CBAM)提出一种用于熔覆层形貌的自动分割网络MCL-UNet,优化改进U-Net模型,依据CBAM模块从通道维度和空间维度调整特征图层的权重信息,将CBAM模块以优化输入和输出的原则部署在网络上.在搭接熔覆层数据集上对改进的网络进行评估对比,实验结果表明,本文提出的MCL-UNet网络模型,其熔覆层分割效果在验证集上的平均IoU准确率为93.76％,相比原始U-Net的IoU准确率提高了5.81％,在测试集上MCL-UNet模型输出的表面平整度的平均相对误差为3.2％,说明该模型可有效提高搭接熔覆层横截面形貌的分割精度,并能较准确输出表面平整度.

关键词：图像处理、表面平整度、语义分割、MCL-UNet网络

所属期刊栏目：53

分类号：TP302.1;TN249(计算技术、计算机技术)

资助基金：河南省研究生教育改革与质量提升工程项目;中原工学院优势学科实力提升计划资助学科骨干教师支持计划项目;与骨干学科发展计划项目;中原工学院研究生校企联合课程专项经费资助建设项目;河南省重点研发与推广专项科技攻关项目

在线出版日期：2023-06-07（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：685-692