Resumen

La lente de monitorización de la cinta transportadora de caucho se adhiere fácilmente a un gran número de gotas de agua, lo que afecta seriamente a la calidad de la imagen y, por tanto, al efecto de la monitorización de fallos. En este trabajo, se propone un nuevo método para detectar y eliminar las gotas de agua en las cintas transportadoras de caucho basado en la red generativa adversarial atenta para resolver este problema. En primer lugar, la imagen de gotas de agua de la cinta transportadora de caucho se introduce en la red generativa compuesta por una red atencional visual cíclica y un autoencoder con conexiones de salto, y se genera una imagen de eliminación de gotas de agua y un mapa de atención para detectar la posición de la gota de agua. A continuación, la red atencional discriminante evalúa la imagen generada de eliminación de gotas de agua para determinar la consistencia local de la zona de recuperación de gotas de agua. Para aprender mejor las regiones de gotas de agua y las estructuras circundantes durante el entrenamiento, se añade la morfología de la imagen a las regiones precisas de gotas de agua. Se genera una imagen de cinta transportadora de goma deshidratada aumentando el número de capas de la red de atención visual circular y el número de capas de conexión de salto del autocodificador. Por último, un gran número de experimentos comparativos demuestran la eficacia del algoritmo de eliminación de gotas de agua propuesto en este artículo, que supera a las redes neuronales convolucionales (CNN), la codificación dispersa discriminativa (DSC), las capas previas (LP) y la red adversarial generativa de atención (ATTGAN).

• Materias:Matemáticas
• Subjects:mathematics
• Palabras claves:gotas de agua, cinta transportadora de caucho, gran número, red generativa adversarial de atención, red generativa adversarial de atención, red visual circular de atención por capas, red visual cíclica de atención, regiones precisas de gotas de agua, imagen de la cinta transportadora de caucho, algoritmo de eliminación de gotas de agua de la imagen
• Keywords:water droplets, rubber conveyor belt, large number, attention generative adversarial network, attentive generative adversarial network, circular visual attention network layers, cyclic visual attentive network, precise water droplet regions, rubber conveyor belt image, water droplet image removal algorithm