基于U-Net神经网络眼底图像的视盘分割研究

眼底图像中的视盘在青光眼筛查和诊断中起着重要作用。因此,从眼底图像中对视盘进行准确、快速地定位与分割具有重要意义。在过去,研究者们已经进行了对视盘的深入研究,但如何提高定位准确率和分割精度仍是视盘分割的一大难题。对此本文提出一种采用深度学习结构U-Net的视网膜视盘自动分割的方法,该方法结合机器学习,通过深度网络提取输入图像的视盘特征,从而得出相应的分割结果图。相对于传统的视盘分割方法,本文的U-Net神经网络能够有效学习有利于分割视盘的特征,从而提高分割的精确度,而且分割耗时更短。     

基于深度学习的铸件 CT 图像分割算法

针对现有方法分割弱边缘铸件 CT 图像难度大、精度低、鲁棒性差的问题,提出一种融合残差模块与混合注意力机制的 U 型网络分割算法(AttRes-U-Nets)。 该算法以 U-Net 网络为基础,首先构建深度残差网络 ResNets 作为算法的编码网络,解决 传统 U-Net 网络特征提取能力不足的问题;然后,引入改进后的混合注意力机制,突出分割目标区域与通道的特征响应,提高网 络灵敏度;最后,将 Focal loss 与 Dice loss 结合为一种新损失函数 FD loss 缓解样本不平衡带来的负面影响。 使用 120 阀体数据 集对算法性能进行验证,实验结果表明,本文算法对铸件分割的像素准确率(PA)和交互比( IoU)分别达到 98. 72% 和 97. 40% , 优于传统 U-Net 算法与其他主流语义分割算法,为弱边缘分割提供了新思路。     

基于改进U-Net的球栅阵列气泡缺陷检测方法

针对现有基于深度学习的图像分割算法在球栅阵列(BGA)焊点气泡检测中检测效率较低,无法满足工业生产中实时性的检测需求,提出了一种基于改进U-Net的球栅阵列缺陷识别方法。该方法在现有的U-Net经典网络的基础上提出用深度可分离卷积与密集连接结合的轻量密集连接单元替换常规的卷积单元,同时添加多尺度跳跃连接减少编解码特征之间的差异,实现针对BGA焊点气泡的精确分割和提取。采用自建数据集对该方法的有效性进行实验,结果表明,改进的U-Net模型网络在减少U-Net网络计算复杂度的同时提升了网络性能,能够增加BGA焊点气泡的检测效率。     

基于改进注意力W-Net的工业烟尘图像分割

针对小目标烟尘尺寸小、边缘稀薄和U-Net在提取小目标烟尘特征效果不佳等原因导致的烟尘漏检、误检和分割精度低等问题，提出一种基于改进注意力W-Net(IAW-Net)的烟尘图像分割网络。采用注意力机制将U-Net扩展为W-Net,在W-Net的基础上引入改进的注意力机制，增强了小目标烟尘的特征；针对小目标烟尘特点对焦点损失进行改进，增加了小目标烟尘的分割比重。实验结果表明，IAW-Net能够在不影响大目标烟尘分割的基础上更加关注小目标烟尘的分割效果，从而提升了烟尘图像的整体分割能力，相比现有语义分割网络具有更好的分割效果。     

基于深度学习的铸件DR图像缺陷检测

为了对精密铸件DR(digital radiography)图像中的缺陷进行准确分割,提出一种基于深度学习语义分割的铸件DR图像缺陷检测算法。首先在原始U-Net网络模型上设计混合损失函数,以此来缓解类不平衡问题;然后采用AdamW(Adam with weight decay)优化器使模型加速收敛,同时使检测精度得到提升。最后使用PReLu激活函数代替ReLu,提高模型泛化性。实验结果表明,改进的U-Net模型对精密铸件DR图像缺陷能够得到有效分割,检测精度较高,且模型参数量较少,能够在工业现场进行部署。     

基于改进Res-UNet的视网膜图像血管分割

精准的视网膜血管分割可以辅助诊疗如糖尿病、高血压等疾病。眼睛血管结构和病理特征的复杂性导致血管分割的精度和速度都存在很多局限。为了克服这一问题，提出了一种改进的U-net分割方法，该方法将U-net网络解码器和编码器中的卷积模块改为残差模块，使用非局部注意模块连接编码器和解码器。网络模型在不增加参数量的情况下，通过添加残差模块和注意力机制提高了像素之间的信息相关性以及模型提取特征的能力。最后，采用DRIVE数据集对所提模型与原U-net网络进行对比评价，新模型在测试集上的特征检测准确率、特异性、灵敏度和Dice系数分别达到了0.9679、0.9896、0.8245和0.8281。实验结果证明，所提网络模型可对视网膜进行精确地血管分割。     

彩色眼底图像视盘自动定位与分割

针对彩色眼底图像视盘定位时图像边缘高亮环对定位准确率的影响,提出了一种有效的图像预处理方法。针对已有的视盘分割算法中存在的问题,提出了一种结合形态学、椭圆拟合及梯度矢量流(GVF)Snake模型的分割算法。提出的预处理方法首先利用最小二乘法拟合出眼底图像的边界,然后裁剪掉边界的一部分高亮像素点,最后进行视盘定位。视盘分割算法则首先进行血管擦除,然后用椭圆拟合提取初始轮廓,最后使用GVF Snake精确调整视盘边界。用提出的方法对Messidor眼底图像数据库1 200幅图像上进行了实验,结果显示:视盘定位准确率由原来没经过预处理的95.4%提升到了98.7%;视盘分割错误率与当前已知最好的算法相比由12.5%降低到了9.39%。结果表明:提出的眼底图像视盘自动定位与分割方法准确率高、实用性强,可以用于眼科疾病的计算机辅助诊断。     

基于深度学习的膝关节MR图像自动分割方法

膝关节磁共振图像的自动分割具有重要的临床需求,图像中分割目标的大小不同为精准分割带来了挑战。基于深度学习,提出一种端到端的DRD U-Net。以残差模块作为基本模块,增加了对特征的复用能力。利用并行的扩张卷积模块获取不同的感受野,克服了U-Net模型单一感受野的局限性,提高了对不同大小目标的分割能力。设计多输出融合的深监督模块,直接利用不同层次的特征实现了信息互补,提高了分割区域的连贯性和准确性。在OAI-ZIB数据集上测试,平均分割表面距离为0.2 mm,均方根表面距离为0.43 mm,豪斯多夫距离为5.22 mm,平均戴斯系数(DSC)为93.05%,重叠误差为3.86%。相比于基线U-Net和其他现有模型,所提方法在膝关节股骨、胫骨、股骨软骨、胫骨软骨的分割方面都取得了更高的精度。     

利用卷积神经网络的自动驾驶场景语义分割

图像语义分割是现代自动驾驶系统的一个必要部分,因为对汽车周围场景的准确理解是导航和动作规划的关键。为提高自动驾驶场景的图像语义分割准确率,且考虑到当下流行的基于卷积神经网络的语义分割模型(DeepLab v3+)无法有效地利用注意力信息,导致分割边界粗糙等问题,提出一种融合底层像素信息与通道、空间信息的语义分割神经网络。在卷积神经网络中插入注意力模块,提取出图像语义级别的信息,通过学习图像的位置信息和通道信息得到更加丰富的特征;从卷积神经网络输出的各类别得分值计算出单点势能,且从初步分割图和原图得到成对势能,以便全连接条件随机场对图像的全部像素进行建模,并且优化图像的局部细节;全连接条件随机场通过迭代得到语义分割的最终结果。在CityScapes数据集上进行了测试,与DeepLab v3+相比较,改进后的模型分别提高了均交并比和均像素精度等关键指标1.07%和3.34%。它能够更加精细地分割目标,较好地解决分割边界粗糙,有效地抑制边界区域分割的过度平滑和不合理孤岛等问题。     

改进U-Net网络的高纹理表面缺陷检测方法

缺陷检测是生产实践中非常重要的一个环节。产品表面往往存在丰富的纹理信息,纹理信息很容易导致缺陷误判。针对传统算法在缺陷检测中的局限性,提出了一种改进的U-Net模型来进行高纹理表面缺陷检测。该模型在下采样采用特征融合策略,以减少细节的丢失;在上采样采用多尺度融合策略,获取不同感受野下的丰富信息;用空洞卷积代替部分普通卷积,增加感受野来防止边缘细节的丢失。同时,模型中还采用联合损失函数进行训练,并通过参数优化提高收敛速度。最终,通过对高纹理表面缺陷数据集上进行实验,验证改进的U-Net模型与原始U-Net模型以及SegNet模型、基于滑动窗口的CNN等同类方法进行客观比较,并对实验结果进行可行性分析,提出的模型表现出更精确的检测精度和更好的性能。实验结果表明改进的U-Net模型可以更好的适用于实际生产过程的缺陷检测中。     

基于U-Net网络的柱面透镜视觉定位策略

针对柱面透镜定位在摆盘工艺过程中产品良率低、生产作业时间长的问题，研究了一种基于U-Net网络的柱面透镜视觉定位策略。该策略结合柱面透镜摆盘工艺及特点，开发了柱面透镜视觉摆盘系统。将Blob分析和模板匹配作为前期视觉定位方法，通过高精度匹配获取工件点位信息以生成分割图对采集的原图进行标注，选取损失值最优的学习率对U-Net网络进行模型训练，以实现实际工件的分割定位。经过U-Net网络与高精度模板匹配针对不同型号的工件定位对比发现，相较于高精度模板匹配，U-Net网络可实现亚像素级别的定位误差。实践应用结果表明，该柱面透镜视觉摆盘系统视觉定位精度高，具有较强的产品适应能力，产品偏心合格率可达96%以上，满足工业摆盘任务要求。     

光纤溶解氧在线测量仪表的设计

为提高溶解氧在线测量仪表的精度、稳定性、可靠性,采用ARM7微处理器,设计了基于荧光法的光纤溶解氧在线测量仪表,介绍了该在线测量仪表的硬件系统和软件系统。该仪表可实现溶解氧信号的连续精确检测,并可在LCD显示器上显示测量值。试验证明,该测量系统具有良好的稳定性、抗干扰能力,有较高的实际应用价值。     

基于张弛振荡器和最小二乘法的量化方法

用软件设计替代部分硬件设计,降低硬件系统复杂度,提高系统性价比。设计了一款简化张弛振荡器,对电路系统进行理论分析和实际测试。采用最小二乘法对测试数据进行拟合。对拟合结果进行对比分析。采用分段拟合方法,有效降低了拟合多项式的幂次数和拟合误差,提高了数据拟合度,优化了基于简化张弛振荡器的量化数学模型。在温度检测系统中得到应用,系统运行稳定,误差小于0.1℃.     

基于支持向量机的X射线焊缝缺陷检测

为提高对焊缝缺陷的检测精度,提出采用支持向量机(Support Vector Machine,SVM)分类的方法对X射线焊缝图像进行分割.选择训练样本图像的灰度、形态学梯度作为训练向量的特征分量对SVM进行训练,得到SVM分割模型后,将测试样本输入分割模型进行分割处理.以气孔缺陷为例,证明了该方法能实现焊缝气孔缺陷的准确分割,与其他分割方法相比,可提高缺陷检测的精度.     

基于太赫兹波的高分辨率空间电荷测试方法及系统

空间电荷的特性及分布状态直接改变介质内部电场的强弱,严重影响器件的电学性能。近年来,纳米材料和微纳电子器件飞速发展,在纳米量级乃至更小尺度上探测和掌握空间电荷的特征信息成为亟待解决的问题。为此基于脉冲电声法基本原理,设计并实现了一种基于太赫兹波和弹光取样技术的空间电荷分布测试新方法。基于应力双折射效应原理,设计制作了弹光取样传感器,并测试了性能。搭建了空间电荷测试系统,对定制硅PN结试样进行了测试,空间电荷区宽度随偏置电压的变化规律与PN结基本电学特性吻合。该方法采用全光学技术手段,克服了传统电子测试技术对系统带宽的限制,实验结果表明,该测试方法可以有效且可靠地将空间电荷测试分辨率提升至纳米量级。     

三轴一体化光纤陀螺的Allan方差分析

为减小光纤陀螺仪的误差,提高精度,需要对陀螺仪进行误差估计和补偿。为此建立了光纤陀螺仪的误差模型,用Allan方差对三轴一体化光纤陀螺的输出进行误差分析,辨识出各项随机误差系数,得到影响光纤陀螺性能的误差源,进而对三轴一体化光纤陀螺的研制提出改进意见。