来源：期刊VIP网 时间：
作者：王水明;李鹏飞;黄文;陈前进;段州君;彭瑞;舒衡;魏宁丰;张涛;吴千旭;
单位：湖北中烟工业有限责任公司;湖北新业烟草薄片开发有限公司;武汉纺织大学机械工程与自动化学院;华中科技大学航空航天学院;
摘要：为解决再造烟叶表面缺陷检测效率低的问题，提出了一种基于轻量化语义分割模型的再造烟叶表面缺陷检测方法。先对再造烟叶样本进行批量处理，构建数据集；再使用Labelme软件对缺陷进行标签分类，并通过滑动窗口采样的方法得到充足的模型训练样本；然后构建轻量化语义分割模型Deeplab-T，使用MobileNetV2与空洞卷积作为主干网络，在特征融合过程中引入卷积块注意力模块，突出分割目标。结果表明：(1)Deeplab-T模型的平均交并比及平均像素准确率分别为76.35%和83.71%，相较于DeeplabV3+模型分别提升13.98和15.32百分点，且检测每秒帧数提高234.10%，兼具精度与速率的工业需求。(2)Deeplab-T模型实现了再造烟叶不同方向、不同比例和不同类型缺陷的轮廓分割，具有较好的鲁棒性。该研究为再造烟叶抄造工段典型缺陷的在线监测提供了理论参考。
关键词：再造烟叶;;深度学习;;语义分割;;CBAM注意力机制;;表面缺陷检测
基金资助：湖北省自然科学基金面上项目“融合结构和多传感数据的微流道增材制造缺陷监测方法研究”（2023AFB878）;湖北省自然科学基金青年项目“可调环形光斑对铝合金薄壁构件激光焊接飞溅的抑制机理与工艺调控”（2024AFB259）
