基于特征融合与语义引导的药用胶囊表面缺陷检测

作     者：董豪 李少波 杨静 王军 DONG Hao;LI Shaobo;YANG Jing;WANG Jun

作者机构：贵州大学机械工程学院贵州贵阳550025 贵州理工学院大数据学院贵州贵阳550025 贵州大学公共大数据国家重点实验室贵州贵阳550025 

出 版 物：《计算机集成制造系统》 (Computer Integrated Manufacturing Systems)

年 卷 期：2025年第31卷第1期

页      面：158-170页

核心收录：

学科分类：1007[医学-药学(可授医学、理学学位)] 100704[医学-药物分析学] 08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 10[医学] 

基　　金：国家重点研发计划资助项目(2023YFB3308802) 国家自然科学基金资助项目(52275480) 贵州省科技资助项目(黔科合平台KXJZ002,黔教合KY字005,黔教合KY字245号) 贵阳市科技资助项目(筑科项目7号) 

主　　题：深度学习 语义分割 缺陷检测 注意力引导 多尺度融合 

摘      要：作为制药产业中常见的药剂容器,胶囊质量与病症的治疗效果以及患者身体的健康状况密切相关。因此,在胶囊生产质量管理流程中,产品质检技术对其批量生产与实际效用有着重要意义。为实现药用胶囊表面缺陷的像素级分割,提出一种基于特征融合与语义引导的药用胶囊表面缺陷检测方法。首先,利用特征融合模块聚集多尺度语义信息,使各级特征得到有效利用,以增强对多类目标以及细小缺陷的分割能力;其次,为缓解编解码过程中特征丢失问题,通过语义引导模块对语义信息进行正确疏导,提升缺陷分割的局部效果;最后,在细化分割模块的作用下,进一步优化表面缺陷的分割细节。在胶囊缺陷数据集上的评估结果表明,相比于众多现有方法,所提方法在多维度的评价指标下(包括精度、速度、模型大小以及训练时长)具有更为平衡的整体性能。