融合多尺度-注意力機(jī)制和遷移學(xué)習(xí)的齒輪表面缺陷識(shí)別方法

摘要： 針對(duì)齒輪表面缺陷識(shí)別過(guò)程中特征信息提取不充分和識(shí)別精度較低等問(wèn)題，提出一種融合多尺度-注意力機(jī)制和遷移學(xué)習(xí)的齒輪表面缺陷識(shí)別方法。新方法的創(chuàng)新之處包括：在AlexNet網(wǎng)絡(luò)中引進(jìn)Inception模塊增加模型寬度，提取多尺度信息，從而提升模型對(duì)于不同尺度缺陷特征的感知能力；在多尺度編碼操作前，采用卷積注意力機(jī)制模塊在通道維度和空間維度增強(qiáng)缺陷特征信息，進(jìn)一步提升模型的特征表達(dá)能...