基于深度学习的乳液泵缺陷检测算法

• 作者: 周文辉 朱春媚 殷春 马浩鹏
• 来源期刊: 液晶与显示
• 学科: 工学
• 关键词: 深度学习 迁移学习 卷积神经网络 乳液泵 缺陷检测
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 图像处理
• 页码范围: 81-89
• 页数: 9页
• 分类号: TP394.1|TH691.9
• 字数: 5219字
• 语种: 中文
• DOI: 10.3788/YJYXS20193401.0081

摘要

为了实现对工业产品乳液泵的缺陷检测,本文采集泵顶、泵上端、泵下端、尾管4个角度的样本图像,并基于深度学习中迁移学习和卷积神经网络的原理分别构建各角度的分类模型以检测缺陷样本.首先,使用Mini-ImageNet数据集预训练网络模型.然后,调整模型结构并加载预训练网络的参数,并将乳液泵各角度的训练集和验证集经过图像预处理算法后输入至卷积神经网络中训练,根据训练过程中验证集准确率的变化调整网络超参数,得到最终网络模型.最后,将预处理后的乳液泵测试样本输入至训练好的模型中,检测最终模型的缺陷识别效果.最终4个角度检测准确率均在93％以上,单样本检测用时为2.52 s,优于传统方法.本文算法可用于设计乳液泵缺陷检测系统,该系统能与工业结构相结合筛选出有缺陷的泵体,也可拓展到工业其他物件的缺陷检测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周文辉	电子科技大学自动化工程学院	50	161	8.0	9.0
5	朱春媚	电子科技大学中山学院	23	76	5.0	6.0
6	殷春	电子科技大学自动化工程学院	4	7	2.0	2.0
7	马浩鹏	电子科技大学自动化工程学院	2	3	1.0	1.0