應用于剎車盤復雜背景去除的改進Grab Cut分割算法

李巖，吳孟男，薛興倫

(1.長春工業大學電氣與電子工程學院，吉林長春 130012;2.長春市施耐利機器人系統有限公司，吉林長春 130000)

0 前言

近年來，中國汽車行業的快速崛起，帶動了剎車盤產業的升級和轉型。作為工業領域典型鑄造件，目前剎車盤的生產多靠人工完成，自動化需求較高。機器視覺技術的引入可以大大降低勞動強度、提高生產效率。將剎車盤作為感興趣區域進行圖像分割可進一步提高匹配速度和精度，對企業實現產業化升級具有重大意義。

目前基于機器視覺的目標分割方法主要有3類，分別為神經網絡分割法、傳統自動分割方法以及交互式分割方法。

第一類是基于神經網絡的分割方法。鄭凱、李建勝提出一種基于Mask R-CNN和分水嶺算法的圖像分割算法，實現了復雜背景的精準分割，實時性較好。SINGH等嘗試使用幾種基于深度卷積神經網絡的最新語義分割方法來解決圖像分割問題。OKTAY 等提出一種通用的訓練策略，將先驗知識整合到神經網絡中對正則化模型進行端到端訓練，該方法可以適應不同分割任務，具有較高的模型準確性。張利欣等提出了一種基于Res-Unet網絡的微觀組織圖像分割方法，該方法顯著提高了材料微觀組織圖像的分割精度。上述方法的神經網絡模型需要大量數據來進行訓練。而剎車盤材質種類繁多，且樣本較少，導致在訓練過程中容易出現梯度消失現象，使算法陷入局部極小值中無法跳出，因此現階段深度學習難以解決剎車盤復雜背景去除問題。……