[1] 1闫亮亮， 谷孝卫， 姬红亮， 等. 汽车线束保护介绍与分析［J］. 汽车电器， 2013（8）： 19-22， 29. doi: 10.3969/j.issn.1003-8639.2013.08.007YANL L， GUX W， JIH L， et al. Introduction and analysis of wiring harness protection［J］. Auto Electric Parts， 2013（8）： 19-22， 29.（in Chinese）. doi: 10.3969/j.issn.1003-8639.2013.08.007

[2] 2汤爱军. 汽车线束自动端子压接机的夹具和模具设计［J］. 安徽建筑工业学院学报（自然科学版）， 2010， 18（3）： 100-102， 107. doi: 10.3969/j.issn.1006-4540.2010.03.026TANGA J. The design of fixture and Die for the auto terminal crimping machine of the automotive wiring harness［J］. Journal of Anhui Institute of Architecture & Industry （Natural Science）， 2010， 18（3）： 100-102， 107.（in Chinese）. doi: 10.3969/j.issn.1006-4540.2010.03.026

[3] 3芦碧波， 刘利群， 郑艳梅， 等. 一种线束端子显微图像全自动分割方法［J］. 光电工程， 2016， 43（10）： 49-55. doi: 10.3969/j.issn.1003-501X.2016.10.009LUB B， LIUL Q， ZHENGY M， et al. A method for segmenting the microscopic cable harness image automatically［J］. Opto-Electronic Engineering， 2016， 43（10）： 49-55.（in Chinese）. doi: 10.3969/j.issn.1003-501X.2016.10.009

[4] 4侯守明， 王阳， 唐琪博， 等. 一种基于偏微分方程和Canny算子的图像分割方法［J］. 山西大学学报（自然科学版）， 2017， 40（4）： 676-682. doi: 10.13451/j.cnki.shanxi.univ(nat.sci.).2017.04.003HOUSH M， WANGY， TANGQ B， et al. Crimp terminals sectional contour extraction based on partial differential equation and canny operator［J］. Journal of Shanxi University （Natural Science Edition）， 2017， 40（4）： 676-682.（in Chinese）. doi: 10.13451/j.cnki.shanxi.univ(nat.sci.).2017.04.003

[5] T F CHAN, L A VESE. Active contours without edges. IEEE Transactions on Image Processing： a Publication of the IEEE Signal Processing Society, 10, 266-277(2001).

[6] 6李秀娟， 李贝贝， 于心俊. 线束端子在线检测系统［J］. 自动化仪表， 2015， 36（6）： 65-68. doi: 10.16086/j.cnki.issn1000-0380.201506019LIX J， LIB B， YUX J. Online detection system of the wiring harness terminal［J］. Process Automation Instrumentation， 2015， 36（6）： 65-68.（in Chinese）. doi: 10.16086/j.cnki.issn1000-0380.201506019

[7] 7胡建华， 王莹. 车用线束端子压接工艺研究［J］. 汽车零部件， 2010（10）： 64-67. doi: 10.3969/j.issn.1674-1986.2010.10.023HUJ H， WANGY. The crimping technology for automotive electric wire terminals［J］. Automobile Parts， 2010（10）： 64-67.（in Chinese）. doi: 10.3969/j.issn.1674-1986.2010.10.023

[8] 8田萱， 王亮， 丁琪. 基于深度学习的图像语义分割方法综述［J］. 软件学报， 2019， 30（2）： 440-468. doi: 10.13328/j.cnki.jos.005659TIANX， WANGL， DINGQ. Review of image semantic segmentation based on deep learning［J］. Journal of Software， 2019， 30（2）： 440-468.（in Chinese）. doi: 10.13328/j.cnki.jos.005659

[9] E SHELHAMER, J LONG, T DARRELL. Fully convolutional networks for semantic segmentation, 640-651(2016).

[10] 10史健锋， 高治明， 王阿川. 结合ASPP与改进HRNet的多尺度图像语义分割方法研究［J］. 液晶与显示， 2021， 36（11）： 1497-1505. doi: 10.37188/CJLCD.2021-0093SHIJ F， GAOZH M， WANGA CH. Multi-scale image semantic segmentation based on ASPP and improved HRNet［J］. Chinese Journal of Liquid Crystals and Displays， 2021， 36（11）： 1497-1505.（in Chinese）. doi: 10.37188/CJLCD.2021-0093

[11] 11李沛卓， 万雪， 李盛阳. 基于多模态学习的空间科学实验图像描述［J］. 光学 精密工程， 2021， 29（12）： 2944-2955. doi: 10.37188/OPE.2021.0244LIP ZH， WANX， LISH Y. Image caption of space science experiment based on multi-modal learning［J］. Opt. Precision Eng.， 2021， 29（12）： 2944-2955.（in Chinese）. doi: 10.37188/OPE.2021.0244

[12] K M HE, G GKIOXARI, P DOLLÁR et al. Mask R-CNN, 2980-2988(2017).

[13] S Q REN, K M HE, R GIRSHICK et al. Faster R-CNN： towards real-time object detection with region proposal networks. IEEE Transactions on Pattern Analysis and Machine Intelligence, 39, 1137-1149(2017).

[14] 14刘媛媛， 张硕， 于海业， 等. 基于语义分割的复杂场景下的秸秆检测［J］. 光学 精密工程， 2020， 28（1）： 200-211. doi: 10.3788/ope.20202801.0200LIUY Y， ZHANGSH， YUH Y， et al. Straw detection algorithm based on semantic segmentation in complex farm scenarios［J］. Opt. Precision Eng.， 2020， 28（1）： 200-211.（in Chinese）. doi: 10.3788/ope.20202801.0200

[15] M Y FAN, S Q LAI, J S HUANG et al. Rethinking BiSeNet for real-time semantic segmentation, 9711-9720(2021).

[16] 16蔡体健， 彭潇雨， 石亚鹏， 等. 通道注意力与残差级联的图像超分辨率重建［J］. 光学 精密工程， 2021， 29（1）： 142-151. doi: 10.37188/OPE.20212901.0142CAIT J， PENGX Y， SHIY P， et al. Channel attention and residual concatenation network for image super-resolution［J］. Opt. Precision Eng.， 2021， 29（1）： 142-151.（in Chinese）. doi: 10.37188/OPE.20212901.0142

[17] 17邓建国， 张素兰， 张继福， 等. 监督学习中的损失函数及应用研究［J］. 大数据， 2020， 6（1）： 60-80. doi: 10.3969/j.issn.1673-2057.2020.06.003DENGJ G， ZHANGS L， ZHANGJ F， et al. Loss function and application research in supervised learning［J］. Big Data Research， 2020， 6（1）： 60-80.（in Chinese）. doi: 10.3969/j.issn.1673-2057.2020.06.003

[18] 18谢娟英， 张凯云. XR-MSF-Unet：新冠肺炎肺部CT图像自动分割模型［J］. 计算机科学与探索， 2022： 1-18. doi: 10.3778/j.issn.1673-9418.2203023XIEJ Y， ZHANGK Y. XR-MSF-Unet： automatic segmentation model for COVID-19 lung CT images［J］. Journal of Frontiers of Computer Science and Technology， 2022： 1-18. （in Chinese）. doi: 10.3778/j.issn.1673-9418.2203023

[19] 19万黎明， 张小乾， 刘知贵， 等. 基于高效通道注意力的UNet肺结节CT图像分割［J］. 广西师范大学学报（自然科学版）， 2022， 40（3）： 66-75.WANL M， ZHANGX Q， LIUZH G， et al. CT image segmentation of UNet pulmonary nodules based on efficient channel attention［J］. Journal of Guangxi Normal University （Natural Science Edition）， 2022， 40（3）： 66-75.（in Chinese）

[20] 20周华平， 郑锐. 基于改进BiSeNet的煤矿井下轨道检测算法［J］. 湖北民族大学学报（自然科学版）， 2021， 39（4）： 398-403.ZHOUH P， ZHENGR. Underground rail detection algorithm based on improved BiSeNet［J］. Journal of Hubei Minzu University （Natural Science Edition）， 2021， 39（4）： 398-403.（in Chinese）

[21] 21李紫薇， 英昌盛， 于晓鹏， 等. 基于改进SegNet模型的遥感图像建筑物分割［J］. 吉林大学学报（理学版）， 2022， 60（2）： 409-416.LIZ W， YINGCH SH， YUX P， et al. Building segmentation of remote sensing image based on improved SegNet model［J］. Journal of Jilin University （Science Edition）， 2022， 60（2）： 409-416.（in Chinese）