|
|
31.
融合SVM和改进UNet的VR产品视觉检测技术研究与应用
任将, 任政, 卢琨, 陶捷, 汪文艳
巢湖学院学报
2025, 27 (6):
81-88.
DOI: 10.12152/j.issn.1672-2868.2025.06.010
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。
相关文章 |
多维度评价 |
评论(0)
|
|