嵌入SENet的卷积神经网络的零件缺陷检测方法

针对回转体零件的表面倒偏角、拉伤、线形纹等缺陷检测识别效率低、误检、漏检等问题，提出一种在编码器中嵌入特征压缩激活模块的Unet网络的零件缺陷检测方法。通过建立Unet网络架构模型并嵌入SE模块实现缺陷分割，完成缺陷图像的细节特征提取。采用BCEloss和Diceloss的混合损失函数进行训练，缓解缺陷图像分类不平衡的问题。该算法与Seg Net、FCN、Unet模型对比表明，Unet-SE在准确率、召回率和F1分数3个指标中表现最优，分别为0.929 8,0.892 9,0.911 0，且测试集中具有更好的分割效果。