来源：期刊VIP网 时间：
作者：程鲲鹏;吉承成;朱勇;许胜;
单位：江苏远望仪器集团有限公司;泰州学院机电工程学院;
摘要：[目的]为提高船舶关键设备表面缺陷检测的像素级定位精度，降低维护成本并优化人机交互体验，[方法]提出一种基于改进U-Net神经网络的故障诊断方法，采用引入三重损失约束的改进U-Net网络模型，通过优化不同层级的模型参数，解决了传统卷积神经网络（CNN）在图像语义分割中的像素级定位精度不足和数据冗余等问题。研究过程包含图像增强、数据标注、模型训练与试验验证等步骤。[结果]结果表明：改进模型在简单背景和复杂背景下的交并比（IoU）和像素准确率指标均优于经典U-Net模型，验证了改进方法的有效性。[结论]研究成果可为船舶关键设备的表面缺陷检测提供一定参考。
关键词：改进U-Net;;船舶关键设备;;表面缺陷检测;;图像语义分割;;损失约束
基金资助：2024年泰州市重大科技成果转化项目（SCG202406）
