Un enfoque holístico para la detección de objetos fractales en la superficie de placas IGBT basado en el modelo de múltiples cabezas
Autores: Huang, Haoran; Luo, Xiaochuan
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Un enfoque holístico para la detección de objetos fractales en la superficie de placas IGBT basado en el modelo de múltiples cabezas
Categoría
Tecnología de Equipos y Accesorios
Subcategoría
Diseño de equipos y herramientas
Palabras clave
Objetos fractales
Detección
Aplicaciones industriales
Módulo IWS
Información del objeto
YOLO+IWS
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 21
Citaciones: Sin citaciones
En la inspección visual industrial, los cuerpos extraños son en su mayoría objetos fractales. La detección detallada de objetos fractales es difícil pero necesaria porque una mejor toma de decisiones depende de información de detección más detallada y completa. Esto presenta un desafío para las aplicaciones industriales. Para resolver este problema, propusimos un enfoque holístico para la detección de objetos fractales basado en un modelo de múltiples cabezas. Propusimos el módulo IWS (Información, Vigilancia y Estudio) para proporcionar capacidades de aprendizaje de mejora para la información del objeto. Aumenta la dimensión de detección del objeto y puede realizar detecciones más detalladas. Con el fin de realizar la portabilidad del módulo IWS, se puede implementar de manera fácil y rápida en el modelo de detección de objetos avanzado existente para lograr una detección de extremo a extremo. Propusimos la Cabeza FGI (Información de Grano Fino), que se utiliza para extraer vectores de características más completos del modelo base original. Propusimos el Aprendiz WST (Táctica de Vigilancia y Estudio) para el procesamiento de información del objeto y el aprendizaje adaptativo de los centros de clúster de clases. Utilizando la estrategia MRD (Determinación de Resultados Multitarea) para combinar los resultados de clasificación y los resultados de IWS, se derivan los resultados finales de detección. En el experimento, el IWS y el MRD se montaron en tres modelos diferentes de la serie YOLO. Los resultados experimentales muestran que YOLO+IWS tiene buenas capacidades de detección de objetos extraños para satisfacer las necesidades de la inspección visual industrial. Además, en cuanto a la capacidad de detección detallada de objetos fractales, YOLO+IWS es mejor que los otros 11 métodos competidores. Diseñamos un nuevo índice de evaluación y un mecanismo de ajuste de pesos de aprendizaje de clases para hacer mejores juicios y un aprendizaje más equilibrado. No solo eso, aplicamos YOLO+IWS para formar un nuevo sistema de detección de objetos.
Descripción
En la inspección visual industrial, los cuerpos extraños son en su mayoría objetos fractales. La detección detallada de objetos fractales es difícil pero necesaria porque una mejor toma de decisiones depende de información de detección más detallada y completa. Esto presenta un desafío para las aplicaciones industriales. Para resolver este problema, propusimos un enfoque holístico para la detección de objetos fractales basado en un modelo de múltiples cabezas. Propusimos el módulo IWS (Información, Vigilancia y Estudio) para proporcionar capacidades de aprendizaje de mejora para la información del objeto. Aumenta la dimensión de detección del objeto y puede realizar detecciones más detalladas. Con el fin de realizar la portabilidad del módulo IWS, se puede implementar de manera fácil y rápida en el modelo de detección de objetos avanzado existente para lograr una detección de extremo a extremo. Propusimos la Cabeza FGI (Información de Grano Fino), que se utiliza para extraer vectores de características más completos del modelo base original. Propusimos el Aprendiz WST (Táctica de Vigilancia y Estudio) para el procesamiento de información del objeto y el aprendizaje adaptativo de los centros de clúster de clases. Utilizando la estrategia MRD (Determinación de Resultados Multitarea) para combinar los resultados de clasificación y los resultados de IWS, se derivan los resultados finales de detección. En el experimento, el IWS y el MRD se montaron en tres modelos diferentes de la serie YOLO. Los resultados experimentales muestran que YOLO+IWS tiene buenas capacidades de detección de objetos extraños para satisfacer las necesidades de la inspección visual industrial. Además, en cuanto a la capacidad de detección detallada de objetos fractales, YOLO+IWS es mejor que los otros 11 métodos competidores. Diseñamos un nuevo índice de evaluación y un mecanismo de ajuste de pesos de aprendizaje de clases para hacer mejores juicios y un aprendizaje más equilibrado. No solo eso, aplicamos YOLO+IWS para formar un nuevo sistema de detección de objetos.