多尺度注意力线束端子实时语义分割网络

摘要

线束的应用非常广泛,线束端子作为其重要组成部件,需要进行严格的质量检测。为了提升线束端子质量检测的精度与效率,提出一种基于多尺度注意力的线束端子实时语义分割网络MRF-UNet。首先,采用一种特别的多尺度注意力模块MRF作为网络特征提取的基础模块,提升模型特征提取能力与泛化能力;其次,使用特征融合的方式实现跳跃连接,降低模型运算量;最后,使用反卷积与卷积操作进行特征解码,实现网络深度约减并提升算法性能。实验结果表明:本文算法MRF-UNet在线束端子测试数据集上的平均交并比(MIoU)、平均像素精度(MPA)、戴斯系数(Dice)指标分别达到97.54%,98.83%,98.31%,模型推理速度达到15 FPS。相较于BiSeNet,UNet,SegNet等主流分割网络,本文所提出的MRF-UNet网络对线束端子显微图像的分割结果更精准且更快速,这为后续的线束端子质量检测提供数据支撑。