학술논문
基于多光谱多尺度类激活映射的弱监督缺陷分割 / Weakly Supervised Defect Segmentation Based on Multi-spectral and Multi-scale Class Activation Maps
Document Type
Academic Journal
Author
Source
河北水利电力学院学报 / Journal of Hebei University of Water Resources and Electric Engineeging. 30(4):10-18
Subject
Language
Chinese
ISSN
2096-5680
Abstract
光伏电池外观缺陷种类多、大小和形状差异较大,标注成本高,这为缺陷分割任务带来困难.为了提高光伏电池外观缺陷的分割性能,文中提出一种基于多光谱多尺度类激活映射的弱监督深度学习网络模型(MMCAM-Net).首先,提出了多光谱深度学习网络结构,实现了光谱信息的多通道融合,增强了MMCAM-Net网络的精细化特征提取能力;其次,设计了多尺度网络结构,实现缺陷信息的高级特征和低级特征融合,增强了MMCAM-Net的缺陷全局与局部信息提取能力;最后,使用图像级标签的数据集来训练MMCAM-Net,实现了光伏电池表面缺陷的弱监督分割.实验结果表明,该网络模型的缺陷分割平均IoU提高了15％-20％,取得了较好的效果.