基于机器视觉的透明塑料件缺陷检测

• 作者: 关日钊 吴磊 徐焯基
• 来源期刊: 装备制造技术
• 学科: 工学
• 关键词: 缺陷检测 深度学习 机器学习 SVM Faster R-CNN
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 检测与测试
• 页码范围: 167-171
• 页数: 5页
• 分类号: TP391.4
• 字数: 2602字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-545X.2018.03.053

摘要

在实际的产品生产当中,由于各种不确定因素的影响,容易导致产品表面出现缺陷,严重影响产品的外观和性能,因此,在线缺陷检测成为了生产过程中必不可少的环节.以机器视觉为基础方法,分别使用基于SVM机器学习方法和基于Faster R-CNN深度学习方法对透明塑料件进行缺陷的识别与定位,并对两者的检测效果进行比较和分析.实验结果表明,基于Faster R-CNN的缺陷检测方法的准确率为90％,比基于SVM缺陷检测方法高20％,验证了基于深度学习的缺陷检测方法的优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴磊	广东工业大学机电工程学院	23	44	4.0	5.0
2	关日钊	广东工业大学机电工程学院	2	3	1.0	1.0
3	徐焯基	广东工业大学机电工程学院	1	2	1.0	1.0