基于深度学习的模具裂缝智能检测与图像分割算法研究

模具裂缝检测是工业制造里保障产品质量与生产安全的关键环节。本文提出了一种基于深度学习(DL)的模具裂缝智能检测与图像分割算法,以解决复杂背景下的裂缝识别难题。首先构建了高质量的模具裂缝数据集,接着采用多尺度特征融合策略改进卷积神经网络(CNN)模型,增强其对不同尺寸裂缝的检测能力。结果显示,本文算法的准确率达92.65%,召回率为89.73%,相比传统阈值分割方法,分别提升了21.51%和19.07%;交并比(IoU)达到86.47%,推理时间仅32.89 ms,可支持30.41帧·s-1的实时检测。该算法在精度、稳健性及计算效率方面均优于现有方法,具备一定工业应用价值。

资料为PDF文档格式.

本文档关键词:模具,算法,裂缝,智能,图像