来源：期刊VIP网 时间：
作者：田文豪;汪繁荣;乔一航;
单位：湖北工业大学电气与电子工程学院;
摘要：为了解决液基细胞制染机的成片效果缺陷识别问题，补偿设备最终成片率，文中提出一种VMF-UNet模型，模型以UNet为基础模型，使用VGG16Net的卷积部分替代UNet神经网络的编码器部分，加入多尺度高效局部注意力机制（MELA），引入特征细化模块（FRM），解决了图像过分割、欠分割、成片缺陷区域边缘不明显、UNet模型视野受限的问题。实验以医学检验可用性为原则，将显微镜下分割的数据集标准标签作为“金标准”。基于自建液基细胞成片缺陷区图像数据集的实验表明，改进网络在分割时平均交并比（MIo U）、平均像素精确度（MPA）、F_1-score与准确率（Accuracy）分别为：82.73%、93.56%、81.93%、96.10%。实验结果证明，VMF-Unet模型对液基细胞制染机成片缺陷区域分割效果更好，可以有效补偿液基细胞制染机的最终成片率，为设备复处理提供有效依据，提高液基细胞制染机的广泛可应用性。
关键词：深度学习;;语义分割;;UNet;;注意力机制;;缺陷检测;;液基细胞制染机
基金资助：国家自然科学基金项目（61903129）
