
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于边缘ROI分割与轻量化分类的石膏板质量二元检测两阶段框架研究
《Scientific Reports》:Deep learning based edge segmentation and classification for plasterboard defect detection
【字体: 大 中 小 】 时间:2026年10月21日 来源:Scientific Reports 4.9
编辑推荐:
摘要本研究提出了一种用于石膏板质量二元检测的两阶段框架,该框架结合了边缘感兴趣区域(ROI)分割与轻量化分类。研究人员使用操作员触发的单板计算机成像系统获取了一个包含5,557张图片的生产线数据集。在916张手动掩膜子集上,TransAttUNet在ROI重叠度和边界指标上均
本研究提出了一种用于石膏板质量二元检测的两阶段框架,该框架结合了边缘感兴趣区域(ROI)分割与轻量化分类。研究人员使用操作员触发的单板计算机成像系统获取了一个包含5,557张图片的生产线数据集。在916张手动掩膜子集上,TransAttUNet在ROI重叠度和边界指标上均优于U-Net。本文提出的MobileNetV2-MobileViT分类器包含391万个参数,在838张图片的保留测试集上评估,总体准确率达到97.37%,平衡准确率达到96.99%。在共享测试协议下,该分类器在所评估的迁移学习基线方法中取得了最高准确率。树莓派4仅用于图像采集;未评估设备端推理、延迟、内存和功耗。因此,该系统应被理解为一种紧凑型、面向部署的框架,在做出实时操作声明之前,仍需设备级验证。