【摘 要】
:
印刷品表面缺陷会极大地降低印刷品质量,同时人工对缺陷的检测非常地耗时,所以高效自动地完成对印刷品表面缺陷的检测对印刷工业生产具有很高的价值。近年来基于深度学习的缺陷检测算法得到了很大的发展,其性能也远远超过传统算法。但是基于深度的检测方式需要大量人工标注的数据进行模型训练,然而在实际生产过程中,产品的次品率非常低,这就导致我们很难采集到足够数量的缺陷正样本进行模型训练。此外,对缺陷正样本的标注十分
论文部分内容阅读
印刷品表面缺陷会极大地降低印刷品质量,同时人工对缺陷的检测非常地耗时,所以高效自动地完成对印刷品表面缺陷的检测对印刷工业生产具有很高的价值。近年来基于深度学习的缺陷检测算法得到了很大的发展,其性能也远远超过传统算法。但是基于深度的检测方式需要大量人工标注的数据进行模型训练,然而在实际生产过程中,产品的次品率非常低,这就导致我们很难采集到足够数量的缺陷正样本进行模型训练。此外,对缺陷正样本的标注十分耗费人力成本与时间成本,经济性较差。因此,这篇论文的目标是仅使用无缺陷的高分辨图像去完成印刷品表面缺陷检测分割,从而可以省去缺陷正样本的收集与标注成本,使得算法在实际生产中可以快速地部署。主要的工作如下:印刷品表面缺陷检测任务中,通常会对高分辨率图像进行裁剪,传统的剪裁方式获取的图案切片数量极不均衡,针对该问题,本文设计了一种针对对高分辨图像的端到端的剪裁方式(图像级别)。其次,由于印刷品表面的缺陷往往较小,缺陷像素数量与背景像素数量差异极大,为此本论文设计了一种简单且有效的损失函数(TSO)解决这种数量不均衡(像素级别)。针对真实缺陷样本不足的问题,本论文设计了一种在线实时生成缺陷的算法,该算法直接在剪裁出的无缺陷图片上生成缺陷,同时输出伪缺陷样本的掩膜用于模型训练。为了提高模型的分割效果,本文还基于自注意力机制设计了一个新颖且有效的语义分割模块(GST),该分割模块可以充分利用全局信息修补缺陷检测结果,从而获得更好的检测效果。但是由于GST分割模块在训练过程中显存占用量较大,且其在过检率方面表现欠佳,为此本文设计了一个轻量的无锚框的目标检测算法(LAFD)对骨干网络的特征图进行统一化裁剪,同时解决了显存占用量过大以及在过检率上表现不佳的问题。在实验部分,为了更好地评估算法效果,本文标注了一个印刷品表面缺陷的数据集ZCC,同时采用DAGM 2007公共数据集进行评估。实验表明,本文提出的一系列算法行之有效,特别的在DAGM 2007公开数据集上,未经过特征剪裁的GST达到了最好的效果。而在本文标注的数据集上经过特征剪裁的GST则在过检率和漏检率上获得更优秀的表现。
其他文献
光催化还原CO2技术可在太阳光的驱动下将二氧化碳转化为高附加值的燃料(如甲烷、甲醇和甲酸等),同时具有无二次污染、操作简单等独特的优势,为缓解CO2的排放压力提供了新思路。实现该技术的关键在于寻找高效的光催化剂。作为一种迅速发展的新型材料,MOFs材料得益于本身比表面积大、结构可调、独特的光电性能等优点,在催化领域引起了广泛的关注。由于铈原子具有可变价态,以铈金属盐为前驱体构建的Ce-MOF材料更
大气细颗粒物(PM2.5)化学组成十分复杂,包括水溶性无机离子和吸光性有机碳(又称棕色碳)等,对人体健康和区域气候变化均有重要影响。虽然针对PM2.5的化学组成和来源已有大量研究,但对棕色碳的化学组成、来源及吸光性质的认识依然有限。硝基芳香族化合物作为棕色碳中重要的化学组成,因为测量技术的限制,对其来源和吸光特性的认识依然不清楚。南京是我国大气污染重点治理地区之一,且该地区冬季高湿天气条件是诱导雾
抗生素的过度使用增强了环境中细菌的耐药性,由此产生的抗生素及其耐药菌污染是目前关注较多的环境问题之一。可见光催化技术因能源可利用程度高而备受青睐。钼酸铋(Bi2MoO6)拥有独特的层状结构和相对较窄的带隙宽度,能够吸收可见光。然而,单纯Bi2MoO6的量子效率较低,光利用率不高。采用离子掺杂和半导体复合是改善光催化材料性能的有效途径。本文以溶剂热法合成Bi2MoO6(BMO),利用溴(Br)离子掺
雾霾事件的频发不仅对环境造成严重污染,还威胁着居民的身体健康。而硫酸盐的快速形成是决定我国细颗粒物爆炸性增长和严重雾霾事件频发的关键因素,其形成机制多样且复杂。最近的研究表明,黑碳也是雾霾期间气溶胶粒子中最关键的成分之一,其主要来源是化石燃料和生物质燃烧,可产生多种活性中间体,对硫酸盐的形成具有一定的催化作用。在本研究中,首先收集工业黑碳并制备不同种类的生物质黑碳。采用元素分析仪测定黑碳的碳、氢、
初中地理教学中,教师应重视情境教学的运用,根据课程的实际情况以及学生的学习特点以及进度制定相应的情境教学方案,促使学生将所学的知识与现实生活产生联系,以实现培养学生学科核心素养的目的。为此,本文基于学科核心素养,对初中地理情境教学提出一些实践建议,旨在提升初中地理教学水平,从而帮助学生更好地成长。
将层次分析法应用到中学地理情境教学效果评价中,构建了中学地理情境教学评价指标体系,对指标重要性进行排序,建立地理情境教学效果评价模型。以某高中地理教师一节公开课为例,进行情境教学效果综合评价,确定该节公开课的评价等级,并揭示中学地理情境教学中存在的问题,从而促进中学地理情境教学的改进和完善。
胰腺神经内分泌肿瘤是一种严重威胁人类健康的高度异质性肿瘤,其中约70%为非功能性胰腺神经内分泌肿瘤(NF-p NETS)。对于恶性等级较高的NF-p NETS患者,手术切除是临床上最有效的治疗方法;恶性等级较低的患者,药物治疗更加合适。因此,准确分级是NF-p NETS临床精准治疗的关键。目前临床上确定NF-p NETS等级主要基于对单模态影像数据的视觉评估,依赖于临床医生的个人经验和主观观察分析
脑胶质瘤是中枢神经系统最常见、死亡率最高的原发性肿瘤。低级别脑胶质瘤患者的五年生存率和十年生存率分别为70%和50%,中位生存期约为6.5至8年,然而高级别脑胶质瘤患者的中位生存期仅有14个月。由于不同级别的脑胶质瘤患者预后差异极大,医生需要针对不同级别的患者制定相应的诊疗策略。另外,准确地划分出水肿区域、增强肿瘤区域、坏死区域以及非增强肿瘤区域并尽可能的将其切除能极大地提高患者的生存率。本文针对
电池的储能能力使电动汽车参与智能电网调控成为可能,V2G(Vehicle to Grid)技术可利用大规模电动汽车接入电网的充放电来实现电网的削峰填谷、调频等功能。双向功率变换器作为V2G的核心技术,控制电动汽车与电网之间的双向功率流。传统控制方法下缺乏调频、调压能力,无法应对电网运行扰动。本文针对两级式双向AC-DC变换器,对虚拟同步机(Virtual Synchronous Generator
输电线路的参数辨识一直是电力系统调控分析的基础,实现准确而实时的电网线路参数辨识给电网系统的调度分析提供了很大的帮助,并且对电网的安全稳定运行具有重要意义。现有的电网线路参数辨识算法大部分都采用机器学习方法,但是这些机器学习方法存在一些不足的地方。首先,机器学习算法并没有考虑拓扑结构的约束,把各节点作为孤立节点分开考虑,对于全局节点的特征信息关注度不够,导致出现干扰和噪声时,预测的准确率大大降低的