基于迁移学习的塑件外观缺陷柔性检测方法

• 作者: 刘家欢 周华民 胡诗尧 郭飞
• 来源期刊: 模具工业
• 关键词: 塑件 外观检测 卷积神经网络 迁移学习 柔性检测
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 模具CAD/CAM
• 页码范围: 1-8
• 页数: 8页
• 分类号: TG76|TP305
• 语种: 中文
• DOI: 10.16787/j.cnki.1001-2168.dmi.2019.06.001

摘要

卷积神经网络大数据与尺寸标注少、大数据与强计算之间的矛盾限制了塑件外观检测自动化的发展,迁移学习方法通过共享网络结构、特征参数等方法,可以在样本数量较少的情况下快速训练新的模型,有效缓解上述矛盾.考虑塑件外观缺陷种类繁多,但外观缺陷特征基本一致,基于此,提出了共享模型中低维特征参数的柔性外观缺陷检测方法,该方法首先通过卷积神经网络提取外观缺陷的抽象特征,训练一个目标检测模型,在需要检测类似缺陷时,将该模型最后一层重新初始化后作为预训练模型,获得识别该缺陷特征的经验知识,最后通过少量样本对重新初始化后的模型进行微调,快速训练得到一个新的检测模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周华民		147	1442	19.0	29.0
2	郭飞		21	109	6.0	10.0
3	胡诗尧		1	0	0.0	0.0
4	刘家欢		2	1	1.0	1.0