《表1 模型结果对比：基于神经网络的磁瓦表面缺陷检测识别》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于神经网络的磁瓦表面缺陷检测识别》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

从图14可以看出，改进UNet模型的灵敏度明显好于UNet模型和文献[4]算法，这是由于改进UNet模型中的空洞卷积和更多的跳跃连接使得感受野更大，以及在解码层中吸收了更多的细节信息，提高了最终的检测精度。另外，三种算法的正确率和特异度都比较大，这是由于图像中负样本数量远大于正样本数量所致。其中各评价指标具体数值如表1所示，改进的UNet模型的灵敏度能够达到平均93%的像素级精度，表明93%的缺陷区域被正确预测。