基于深度学习的指针缺陷检测研究

• 作者: 夏冰 赵卫东 黄汉成
• 来源期刊: 安徽工业大学学报（自然科学版）
• 关键词: 指针 缺陷检测 SSD RFCN MobileNet 特征提取
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 计算机与信息
• 页码范围: 375-381
• 页数: 7页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1671-7872.2019.04.012

摘要

针对汽车仪表盘烫印指针缺陷种类多、体积小、检测难度较高等特点,设计一种融合SSD(single shot-multibox detector)与RFCN(region-based fully convolutional networks)的指针缺陷检测算法.首先,在现场使用Basler相机采集有缺陷指针的照片,并对其进行标注,使用MobileNet网络作为SSD算法的特征提取网络对烫印和未烫印的指针进行分类;然后,对烫印指针的图片进行裁剪,将裁剪的烫印指针图片进行缺陷标注;最后,结合ResNet网络改进RFCN的特征提取网络,对4种典型缺陷进行检测,且在Ubuntu16.04系统和Tensorflow-gpu深度学习框架下搭建软件系统实验测试.结果表明,该检测算法可准确检测出指针表面的微小缺陷,有效提高产品质量和生产效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵卫东	安徽工业大学电气与信息工程学院	17	27	3.0	4.0
2	夏冰	马鞍山钢铁股份有限公司设备管理部	2	0	0.0	0.0
3	黄汉成	安徽工业大学电气与信息工程学院	1	0	0.0	0.0