关键词：港口机械;故障检测;强语义特征融合;深度学习;视觉化检测
摘 要：文中提出了一种基于强语义特征融合的分割方法，用于大型港口机械故障的视觉化检测。该方法在DeepLabV3+架构的基础上进行了创新性的改进，包括双尺度特征提取和特征融合注意力机制（FFM），通过使用自采集构建的广州港大型起重机故障数据集，成功检测了港口机械的锈蚀、油漆脱落和裂缝故障，展现了高准确率和鲁棒性。实验结果表明：该方法相比原始DeepLabV3+架构展现了更高的准确率和泛化能力，为大型港口机械故障的视觉化检测提供了一种有效的深度学习解决方案，并为未来此领域的研究提供了新的思路和方向。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取