基于级联卷积网络的紧固件异常检测

• 作者: 叶俊勇 李艺强 罗晋
• 来源期刊: 电子测量与仪器学报
• 学科: 工学
• 关键词: 数字图像处理 卷积神经网络 深度学习 人工智能 异常件检测
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 学术论文
• 页码范围: 171-179
• 页数: 9页
• 分类号: TP274.4
• 语种: 中文
• DOI: 10.13382/j.jemi.B1902016

摘要

紧固件广泛应用于日常生活和工业生产制造中,其异常状态在许多场景中会导致严重的安全隐患.目前紧固件异常检测仍依赖人工排查,很难通过常规无损检测技术自动识别.针对该问题,提出了一种基于级联卷积网络的自动检测方案,能够快速的检测固定场景下的紧固件异常情况.首先采集紧固件图像,使用目标检测网络确定所有紧固件区域;接着使用所提出的紧固件关键点回归网络预测关键点特征信息;最后通过对比同一紧固件不同时刻的关键点特征信息实现紧固件异常检测.在自制的重庆市轻轨轨道梁指型板紧固件数据集进行了测试,实验结果显示该方法在准确率达到96.5％时,对于异常紧固件的召回率高达99％,结果表明该方法具有可行性,在类似场景中具有实际应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	叶俊勇		46	362	12.0	16.0
2	李艺强		1	0	0.0	0.0
3	罗晋		1	0	0.0	0.0