基于fast-Unet的补强胶胶体在线识别分割技术

摘要

电子产品随着更新迭代,对零部件胶体质量的要求不断提高。针对补强胶识别分割,传统算法鲁棒性较低,深度学习的语义分割网络Unet分割速度较慢。为此,提出改进的Unet实时语义分割网络fast-Unet。该网络有3个特征提取分支,输出特征图分别为原图大小、原图的1/4大小和原图的1/16大小,每个分支都共享一部分网络权重。并在第二个特征提取网络中加入了通道分割、注意力模块(CBAM)和金字塔池化模块(PPM)。实验结果表明,fast-Unet相较于Unet网络,在MIoU和MPA上都提升了0.07,FPS提高了43.08,单个样本在线检测耗时仅为25ms,显著提升了补强胶胶体在线检测分割效果。