基于FAE-Unet的碳纤维预浸料表面缺陷分割方法

摘要

针对碳纤维预浸料在生产过程中存在人工检测误差大、效率低等问题，提出基于FAE-Unet的碳纤维预浸料表面缺陷分割方法。在骨干网络中，提出FAE（fusion attention encoder）编码器模块代替Unet编码器。FAE编码器模块融入注意力机制，分别从通道和空间层面增强了网络的特征提取能力，并为不同特征分配权重信息，该模块将提取的特征信息与解码阶段融合，保留了更多细节特征，提升对小尺度缺陷的关注度。此外，采用带权重的交叉熵损失函数，有效提高在样本量不均衡情况下，尤其是样本量较少时的缺陷分割精度。结果表明，该模型的平均交并比、平均像素准确率、准确率与召回率的调和平均数F_1-score值分别达82.36%、91.78%、92.36%。相较于DeepLabV3+、PSPNet、Unet等方法，该模型的分割精度更优，能够精确分割碳纤维预浸料表面的缺陷。

关键词

碳纤维预浸料 / 缺陷检测 / 语义分割 / Unet网络