基于深度学习的热轧钢带表面缺陷检测方法

• 作者: 刘明宇 姚卓荣 符秦沈 陈建强
• 来源期刊: 自动化与信息工程
• 关键词: 深度学习 CNN 缺陷检测 特征融合 SSD
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 论文
• 页码范围: 11-16,19
• 页数: 7页
• 字数: 2971字
• 语种: 中文

摘要

针对人工检测热轧钢带表面缺陷错漏率高的现状,提出基于深度学习的热轧钢带表面缺陷检测方法.根据检测精度和速度的要求,采用深度学习SSD网络作为改进算法框架,并利用交叉特征融合的方法增强低层特征图的语义信息,从而提高热轧钢带表面缺陷的识别率.实验表明:改进后的CroSSD网络对热轧钢带表面小尺寸缺陷检测的mAP值达到73.7,速度达到40帧/s,相比SSD网络有更好的效果,且满足实时检测的需求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈建强		3	4	1.0	1.0
2	刘明宇	广东工业大学机电工程学院	1	1	1.0	1.0
3	符秦沈	广东工业大学机电工程学院	1	1	1.0	1.0
4	姚卓荣		2	2	1.0	1.0