仪器仪表学报

作者：赵恩玄，何云勇，沈 宽，刘 杰，段黎明

单位：赵恩玄,1. 重庆大学光电技术及系统教育部重点实验室，2. 重庆大学光电工程学院,,何云勇,1. 重庆大学光电技术及系统教育部重点实验室，2. 重庆大学光电工程学院,,沈 宽,1. 重庆大学光电技术及系统教育部重点实验室，2. 重庆大学光电工程学院,,刘 杰,1. 重庆大学光电技术及系统教育部重点实验室，2. 重庆大学光电工程学院,,段黎明,1. 重庆大学光电技术及系统教育部重点实验室，2. 重庆大学光电工程学院,

关键词：CT图像分割;深度学习;U-Net;残差网络;CBAM

基金：国家重点研发计划(2022YFF0706400)项目资助

针对现有方法分割弱边缘铸件CT图像难度大、精度低、鲁棒性差的问题,提出一种融合残差模块与混合注意力机制的U型网络分割算法(AttRes-U-Nets)。该算法以U-Net网络为基础,首先构建深度残差网络ResNets作为算法的编码网络,解决传统U-Net网络特征提取能力不足的问题;然后,引入改进后的混合注意力机制,突出分割目标区域与通道的特征响应,提高网络灵敏度;最后,将Focalloss与Diceloss结合为一种新损失函数FDloss缓解样本不平衡带来的负面影响。使用120阀体数据集对算法性能进行验证,实验结果表明,本文算法对铸件分割的像素准确率(PA)和交互比(IoU)分别达到98.72%和97.40%,优于传统U-Net算法与其他主流语义分割算法,为弱边缘分割提供了新思路。

来源：2023年第11期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2023年第11期