汽车发动机积碳图像细粒度分类方法研究

摘要

由于汽车发动机积碳图像在传统模型中的识别效果不佳，结合实际应用需求，提出了一种针对积碳图像细粒度特征的分类方法。对于喷油嘴积碳图像分类任务中难以聚焦形态差异大的喷油嘴区域的问题，提出基于CA注意力机制的积碳图像识别方法。通过添加CA注意力机制，实现不同通道和空间位置权重的调整，提升模型对关键特征的聚焦效果。针对活塞顶积碳图像分类任务中积碳分布较分散而难以全面捕捉到关键空间特征的问题，提出基于SG-former的自适应积碳图像识别方法。通过自动分配全局注意力权重，有效提取重点区域的细粒度特征，同时通过BlurPool池化最大化积碳特征在下采样过程的平移不变性。最终，喷油嘴部位和活塞顶部位的积碳程度识别准确率分别达到88.52%和88.20%。

关键词

积碳检测 / 图像分类 / RepVGG / 注意力机制 / SG-former

基金资助

山西省回国留学人员科研资助项目（2022-145）; 山西省重点研发计划资助项目（202302020101008）; 山西省研究生科研创新资助项目（2024KY607）