缺陷分割数据增强方法

即插即用提精度

该方法根据缺陷分割网络的置信度动态屏蔽高置信区域，使模型更关注难分区域，并与现有分割方法兼容。

Shuanlong, Niu · Peng, Yaru · Li, Bin · Qiu, Yuanhong · Niu, Tongzhi · Li, Weifeng

Journal of Intelligent Manufacturing 2023

参数信息

IoU提升

6.62 %

IoU提升

3.20 %

技术优势

即插即用

该方法作为一个数据增强模块，可以直接嵌入各种主流缺陷分割网络的训练流程，无需修改网络结构。

关注难分区域

通过遮挡高置信度区域，模型将更多注意力分配到低置信度区域，即难分样本，从而提升整体分割精度。

精度稳定提升

在金属表面缺陷和光电芯片两个数据集上分别取得6.62%和3.20%的IoU提升，证明该方法在不同缺陷类型上均有稳定增益。

应用场景

• 工业视觉检测：为产线视觉检测提供更高精度的缺陷分割模型，降低漏检率。
• 表面缺陷检测：提升金属等材料表面缺陷的分割精度，助力质量筛查。
• 芯片制造质量控制：增强芯片表面缺陷检测模型的泛化能力，确保制造良率。
• 微流控芯片检测：适用于微流控芯片的缺陷分割，提升检测自动化水平。