摘要
本发明公开了一种齿轮箱缺陷图像分割方法及装置,涉及工业自动化检测与深度学习技术领域。方法包括预处理图像、构建编码‑解码网络,嵌入FSM特征选择模块,实施HEM困难样例挖掘,采用混合损失优化及分阶段训练部署。FSM通过双分支注意力筛选特征,HEM筛选难例并增强调权,混合损失融合三种损失优化分割。装置采用“硬件+软件”架构,集成多模块,结合硬件加速与算法优化实现工业级性能。本发明解决微小缺陷漏检等问题,提升分割准确性与可靠性,可高效应用于工业自动化检测,为齿轮箱可靠运行提供关键支持。
技术关键词
缺陷图像分割方法
混合损失函数
特征选择
图像分割装置
注意力
样本
工业自动化检测
网络
输出齿轮箱
解码器
全局平均池化
分阶段
分支
多尺度特征
动态
集成多模块
编码器
输出特征