在表面瑕疵檢測(cè)中，常見的網(wǎng)絡(luò)架構(gòu)主要包括基于分割和決策網(wǎng)絡(luò)的架構(gòu)。以下是對(duì)這種架構(gòu)的詳細(xì)介紹：

基于分割和決策網(wǎng)絡(luò)的架構(gòu)：這種架構(gòu)主要由分割網(wǎng)絡(luò)和決策網(wǎng)絡(luò)兩部分組成。分割網(wǎng)絡(luò)通過卷積神經(jīng)網(wǎng)絡(luò)對(duì)圖像進(jìn)行像素級(jí)別的分類，標(biāo)記出可能存在的缺陷區(qū)域。然后，決策網(wǎng)絡(luò)在這些分割結(jié)果之上進(jìn)行后處理，判斷每個(gè)區(qū)域是否真正為缺陷，從而提高檢測(cè)準(zhǔn)確性。這種兩步法極大地降低了誤報(bào)率，提高了檢測(cè)效率。SegDecNet-KolektorSDD就是這一架構(gòu)的典型代表，它是一款基于TensorFlow的開源項(xiàng)目，專門用于表面缺陷檢測(cè)，并與Kolektor集團(tuán)合作開發(fā)，已在JIM 2019期刊上發(fā)表。還有研究通過結(jié)合分割網(wǎng)絡(luò)和決策網(wǎng)絡(luò)，實(shí)現(xiàn)了僅使用25-30個(gè)樣本的高精度檢測(cè)，證明了該架構(gòu)在有限樣本下的有效性。

基于分割和決策網(wǎng)絡(luò)的架構(gòu)是表面瑕疵檢測(cè)中常見的網(wǎng)絡(luò)架構(gòu)之一，它通過分割和決策兩步處理，提高了檢測(cè)的準(zhǔn)確性和效率。