电子产品随着更新迭代，对零部件胶体质量的要求不断提高。针对补强胶识别分割，传统算法鲁棒性较低，深度学习的语义分割网络Unet分割速度较慢。为此，提出改进的Unet实时语义分割网络fast-Unet。该网络有3个特征提取分支，输出特征图分别为原图大小、原图的1/4大小和原图的1/16大小，每个分支都共享一部分网络权重。并在第二个特征提取网络中加入了通道分割、注意力模块（CBAM）和金字塔池化模块（PPM）。实验结果表明，fast-Unet相较于Unet网络，在MIoU和MPA上都提升了0.07，FPS提高了43.08，单个样本在线检测耗时仅为25ms，显著提升了补强胶胶体在线检测分割效果。
0 引言
随着人们生活水平不断提高，手机等电子产品的消费日益俱增，对电子产品质量提出了新的要求。电子产品零部件通常都采用补强胶加固，因此对补强胶进行分割提取，便成为质量检测的关键。传统图像分割算法主要有阈值分割法[1]、边缘分割法