Real time semantic segmentation network of wire harness terminals based on multiple receptive field attention

çº¿æŸçš„åº”ç”¨éžå¸¸å¹¿æ³›ï¼Œçº¿æŸç«¯å­ä½œä¸ºå ¶é‡è¦ç»„æˆéƒ¨ä»¶ï¼Œéœ€è¦è¿›è¡Œä¸¥æ ¼çš„è´¨é‡æ£€æµ‹ã€‚ä¸ºäº†æå‡çº¿æŸç«¯å­è´¨é‡æ£€æµ‹çš„ç²¾åº¦ä¸Žæ•ˆçŽ‡ï¼Œæå‡ºä¸€ç§åŸºäºŽå¤šå°ºåº¦æ³¨æ„åŠ›çš„çº¿æŸç«¯å­å®žæ—¶è¯­ä¹‰åˆ†å‰²ç½‘ç»œMRF-UNetã€‚é¦–å ˆï¼Œé‡‡ç”¨ä¸€ç§ç‰¹åˆ«çš„å¤šå°ºåº¦æ³¨æ„åŠ›æ¨¡å—MRFä½œä¸ºç½‘ç»œç‰¹å¾æå–çš„åŸºç¡€æ¨¡å—ï¼Œæå‡æ¨¡åž‹ç‰¹å¾æå–èƒ½åŠ›ä¸Žæ³›åŒ–èƒ½åŠ›ï¼›å ¶æ¬¡ï¼Œä½¿ç”¨ç‰¹å¾èžåˆçš„æ–¹å¼å®žçŽ°è·³è·ƒè¿žæŽ¥ï¼Œé™ä½Žæ¨¡åž‹è¿ç®—é‡ï¼›æœ€åŽï¼Œä½¿ç”¨åå·ç§¯ä¸Žå·ç§¯æ“ä½œè¿›è¡Œç‰¹å¾è§£ç ï¼Œå®žçŽ°ç½‘ç»œæ·±åº¦çº¦å‡å¹¶æå‡ç®—æ³•æ€§èƒ½ã€‚å®žéªŒç»“æžœè¡¨æ˜Žï¼šæœ¬æ–‡ç®—æ³•MRF-UNet在线束端子测试数据集上的平均交并比（MIoUï¼‰ã€å¹³å‡åƒç´ ç²¾åº¦ï¼ˆMPA）、戴斯系数（Diceï¼‰æŒ‡æ ‡åˆ†åˆ«è¾¾åˆ°97.54%，98.83%，98.31%，模型推理速度达到15 FPS。相较于BiSeNet，UNet，SegNet等主流分割网络，本文所提出的MRF-UNet网络对线束端子显微图像的分割结果更精准且更快速，这为后续的线束端子质量检测提供数据支撑。