基于深度学习激光熔覆层树枝晶的形貌识别
在增材制造技术中,树枝晶的表征对于分析激光熔覆层的机械性能至关重要,但目前树枝晶的标记主要由人工完成,耗时长且容易引入人为误差,而深度学习可提高目标识别准确度.基于U-net 网络提出了适于识别分割树枝晶的BNC-Unet 网络,将串行注意力机制和Batch Normalization层有效地部署在上采样和下采样区域,调整图像特征的权重信息.选取交并比作为分割结果的评价指标,并对比了原Unet 以及不同的改进方法在该指标下的结果.在测试集中,BNCUnet网络分割树枝晶准确率指标为84.2％,比原U-net 网络结果提升了8.97％.该指标表明网络能准确地从激光熔覆层金相图中识别出树枝晶形貌,且识别树枝晶的准确率显著提高,便于在激光熔覆试验后评估熔覆层性能.
激光熔覆 语义分割 树枝晶 深度学习 串行注意力
郭士锐 王凯祥 崔陆军 李晓磊 郑博 陈永骞
中原工学院 机电学院,河南 郑州 450007
国内会议
南京
中文
532-537
2022-04-01（万方平台首次上网日期，不代表论文的发表时间）