摘要： 针对VR产品图像中圆孔位置难确定及边缘模糊问题，提出HOG-SVM（支持向量机）结合Flatten-SVM的检测和基于改进UNet的分割方法。检测方法首先采用滑动窗口提取图像子区域，之后基于HOG-SVM判断每个子区域是否存在圆孔，并采用Flatten-SVM做二次检测以避免过/漏检；考虑到较小的圆孔图像经过UNet的五层编码模块可能损失图像信息，同时为加快推理速度，通过优化UNet结构以减少运算量。实验结果表明，HOG-SVM的圆孔检测准确率为70.78%、F1 score为0.83，二次检测可以提升准确率至100%、F1 score至1.00；使用改进UNet网络分割圆孔区域，交并比（IoU）、类别平均像素准确率（mAP）、Dice coefficient（Dice）分别为0.981、98.4%和 0.983 4，相较于UNet性能提高0.008、0.6%和0.004 3，且单张图像推理时间加快2.12 ms，模型体积缩减54.01 Mb，更容易满足工业部署要求。

关键词: 圆孔检测与分割, 支持向量机, 改进UNet

中图分类号: 

• TP391