通道注意力残差网络

缺陷尺寸预测精度显著提升

针对铁磁材料弱磁检测中的大数据量与精度不足问题，优化残差网络通过动态通道加权提升缺陷尺寸诊断准确性。

Liangliang, Li · Chen, Yu · Weitao, Yuan · 梁坤 · Ma, Zhengxiang · Wen, Xinling · Jiabao, Pang

2024

参数信息

预测精度

95.65 %

预测精度

100.00 %

预测精度

97.01 %

预测精度

78.07 %

预测精度

93.22 %

预测精度

98.50 %

预测精度

99.22 %

预测精度

98.31 %

技术优势

预测精度高

通过通道注意力机制动态加权特征，网络能更有效地提取关键信息，从而显著提高缺陷尺寸预测的精度。

消除人工偏差

将一维信号转换为二维灰度图像并自动提取特征，避免了人工特征选择带来的偏差。

改进显著

优化后的模型在缺陷尺寸预测精度上明显优于原始ResNet18。

应用场景

• 无损检测：用于铁磁材料缺陷尺寸的自动精准识别，替代人工判读。
• 结构健康监测：可集成到监测系统中，实时评估关键部件缺陷尺寸变化。
• 工业视觉检测：适配灰度图像输入，可直接嵌入工业质检流水线。