基于CNN的带钢表面缺陷检测

• 作者: 杨延西 赵梦
• 来源期刊: 重型机械
• 学科: 工学
• 关键词: 工业4.0 带钢表面 缺陷检测 深度学习 CNN
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 实验研究
• 页码范围: 25-29
• 页数: 5页
• 分类号: TP391
• 字数: 2597字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-196X.2019.02.006

摘要

随着工业4.0:智能制造理念的深入,推动工业生产制造进一步由自动化向智能化升级势不可挡.作为制造业的支柱性产业,实现钢铁行业的表面缺陷自主检测具有重要意义.针对现有带钢表面缺陷检测过程中识别率低,无法自主检测等问题,本文提出一种基于CNN的带钢表面缺陷检测算法,引入深度学习知识,通过建立CNN模型,制作数据集,实现了对带钢表面缺陷的自动提取与检测.通过实验验证了该算法的有效性,实验结果表明该算法的准确率在99.99％以上,实验过程中未出现误差,能够满足工业生产方面的要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨延西	西安理工大学自动化与信息工程学院	47	707	14.0	25.0
2	赵梦	西安理工大学自动化与信息工程学院	1	1	1.0	1.0