基于深度学习的铝材表面缺陷检测系统设计

朱安康; 王娆芬; 张振宇

doi:10.13873/J.1000-9787(2022)08-0096-04

Chinese

您当前的位置：

首页 >

文章列表页 >

基于深度学习的铝材表面缺陷检测系统设计

设计与制造 | 更新时间：2025-09-11

- 基于深度学习的铝材表面缺陷检测系统设计
- 基于深度学习的铝材表面缺陷检测系统设计
- 传感器与微系统 2022年第8期页码：96-99+103
- 作者机构：
  
  上海工程技术大学电子电气工程学院
- 作者简介：
- 基金信息：
- DOI：10.13873/J.1000-9787(2022)08-0096-04
  中图分类号： TP18;TH871;TP391.41
- 纸质出版：2022
- 稿件说明：
移动端阅览
朱安康, 王娆芬, 张振宇. 基于深度学习的铝材表面缺陷检测系统设计[J]. 传感器与微系统, 2022,(8):96-99+103.

基于深度学习的铝材表面缺陷检测系统设计[J]. 2022, (8): 96-99+103.
朱安康, 王娆芬, 张振宇. 基于深度学习的铝材表面缺陷检测系统设计[J]. 传感器与微系统, 2022,(8):96-99+103. DOI： 10.13873/J.1000-9787(2022)08-0096-04.

基于深度学习的铝材表面缺陷检测系统设计[J]. 2022, (8): 96-99+103. DOI： 10.13873/J.1000-9787(2022)08-0096-04.

摘要

针对目前铝型材表面瑕疵检测系统检测效果差的问题，提出了一种基于深度学习的铝材表面缺陷检测系统。首先，适当改变主干网络的深度和通道数以提高模型鲁棒性，同时对改进后模型的超参数进行调整；然后增加使用可变形卷积，提高网络对不规则目标缺陷的检测能力。实验结果表明：对缺陷检测的平均准确率（mAP）较改进前提高6.5%

对角位漏底、起坑、漏底缺陷的检测精度分别提升25.7%

35.4%

33.5%。改进后系统模型的mAP较当前一系列性能优异的目标检测算法有显著提高。

Abstract

对角位漏底、起坑、漏底缺陷的检测精度分别提升25.7%

35.4%

33.5%。改进后系统模型的mAP较当前一系列性能优异的目标检测算法有显著提高。

关键词

Keywords

references

基于神经网络和深度相机的工件检测与定位系统 [J]. 蒋俊华,蒋叶华,张镭. 传感器与微系统 . 2020(08)

基于SFLA优化的BP神经网络苹果鲜度气味识别系统 [J]. 刘云刚,王伟. 传感器与微系统 . 2020(08)

基于析取正态水平集的彩色图像分割 [J]. 王雷,王升,汪丛,廖毅,汪凌. 传感器与微系统 . 2020(06)

基于改进YOLO V3算法的轨道扣件缺陷检测 [J]. 韦若禹,李舒婷,吴松荣,郑英杰,刘东. 铁道标准设计 . 2020(12)

基于改进Faster-RCNN的雾天车辆检测 [J]. 杜江炜. 电脑编程技巧与维护 . 2020(04)

基于多尺度特征融合的边界检测算法 [J]. 车翔玖,王利,郭晓新. 吉林大学学报(工学版) . 2018(05)

基于机器视觉的瓶口缺陷检测方法研究 [J]. 周显恩,王耀南,朱青,吴成中,彭玉. 电子测量与仪器学报 . 2016(05)

基于多层卷积神经网络学习的单帧图像超分辨率重建方法 [J]. 刘娜,李翠华. 中国科技论文 . 2015(02)

基于机器视觉的机械产品装配系统在线作业方法 [J]. 刘明周,马靖,张淼,赵志彪,杨铎,王强. 计算机集成制造系统 . 2015(09)

一种基于数学形态学的墙地砖表面缺陷检测方法 [J]. 戴勇,周成平,钟克洪. 计算机工程与应用 . 2003(10)

水果品质检测与分级技术 [J]. 叶昱程,应义斌. 农机化研究 . 2003(01)

铸件缺陷无损检测方法的研究现状 [J]. 徐丽,刚铁,张明波,郭立伟. 铸造 . 2002(09)

钢丝绳无损检测技术的现状与存在的问题 [J]. 周强,顾必冲. 港口科技动态 . 2000(11)

基于深度学习的铝型材表面瑕疵识别技术研究 [D]. 魏若峰. 浙江大学 2019

浏览量

813

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据