基于刀具刃口显微图像的附着物去除网络

准确检测并去除刀具边缘粘连的附着物是刀具显微图像豁口检测领域的一个难题,目前仍存在刀具边缘恢复不完整、附着物去除失败等问题.提出一种附着物去除的ARNet网络,采用二值掩膜引导模块区分目标与背景特征,利用去除过程的学习模块提取递归过程中的时序信息,并通过自注意力精准分离模块中的编解码结构和自注意力机制,建立附着物特征在全局特征中的依赖关系,以精准去除附着物,从而整合特征并输出无附着物图像.从实际采集的刀具刃口显微图像中裁剪含附着物区域的图像并构成数据集,在此数据集上的实验结果表明,与PReNet网络相比,该网络的峰值信噪比提高了1.016 dB,交并比IOU提升了3.48％,参数量和计算量分别减少了86.5％、90.9％,能够精确聚焦附着物区域,完整地还原刀具的真实边缘,提高了豁口检测准确率,且增强了刀具豁口高精度检测系统的稳定性和可靠性.