基于CNN的工件缺陷检测方法研究

• 作者: 乔丽 刘俊杰 程彬 赵尔敦
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 工件缺陷检测 卷积神经网络 训练样本 缺陷分辨率
• 年，卷（期）: 2017,（z2）
• 所属期刊栏目: 模式识别与图像处理
• 页码范围: 238-243
• 页数: 6页
• 分类号: TP391.43
• 字数: 6542字
• 语种: 中文

摘要

将卷积神经网络(CNN)应用于工件缺陷检测,来检测工件在生产过程中表面出现的缺陷,以提高工件的生产质量.利用CNN可以对工件的图案进行识别,但识别无法检测出细微缺陷的问题.在CNN进行工件图案识别的基础上,研究一种利用CNN实现缺陷检测的方法.该方法通过扩充缺陷样本,利用CNN识别的中间输出参数,定义了缺陷分辨率的概念来衡量缺陷的程度,当缺陷分辨率达到一定水平时则认为是无缺陷图案,否则认为其存在缺陷.实验验证了提出的CNN工件缺陷检测方法的有效性,数据表明缺陷检出率可达到93.3％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵尔敦	华中师范大学计算机学院	16	54	4.0	6.0
2	乔丽	华中师范大学计算机学院	1	10	1.0	1.0
3	刘俊杰	华中师范大学计算机学院	1	10	1.0	1.0
4	程彬	华中师范大学计算机学院	1	10	1.0	1.0