基于轻量级卷积神经网络的实时缺陷检测方法研究

• 作者: 姚明海 杨圳
• 来源期刊: 计算机测量与控制
• 关键词: 卷积神经网络 深度可分离卷积 通道混洗 缺陷检测
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 测试与故障诊断
• 页码范围: 22-25,40
• 页数: 5页
• 分类号: TP3
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2019.06.006

摘要

应用机器视觉实现磁片表面缺陷的自动检测可以提高生产效率、降低生产成本;深度卷积神经网络具有高精度的分类性能,尤其在图像识别方面有显著的优点;但是目前提出的深度神经网络模型,由于参数量和计算量的巨大,在工业生产流水线上不能满足实时检测的需求;针对这个问题,基于深度可分离卷积和通道混洗,提出了一种轻量级高效低延时的卷积神经网络架构MagnetNets;为了评估MagnetNets网络模型的性能,将MagnetNets网络模型与MobileNets、ShuffleNet、Xception、Mobile-NetV2在公开数据集ImageNet中做了对比实验;然后将MagnetNets网络模型应用在磁片缺陷检测系统中进行缺陷检测;实验结果表明,提出的网络架构显著地减少参数数量,具有良好的性能;同时在磁片缺陷检测系统中减少了延时,提高检测速度,缺陷检测识别率达到了97.3％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姚明海	浙江工业大学信息工程学院	91	1088	17.0	30.0
2	杨圳	浙江工业大学信息工程学院	3	4	2.0	2.0