基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
目的 针对传统算法提取磁瓦表面缺陷的局限性,以及通过人为选择缺陷特征进而判断缺陷种类的方法精度不足等问题,结合改进的UNet模型和一个分类神经网络提出一种磁瓦缺陷检测识别算法.方法 改进的UNet模型用于提取缺陷,而分类神经网络则用于对所提取的缺陷区域进行分类识别.为了提高模型的分类精度,使用空洞卷积对UNet模型部分卷积层和池化层进行替代,以减少多次池化带来的细节丢失的问题,同时,增加多次跳跃连接,使UNet模型能够融合更多的卷积特征.结果 经实验验证表明,改进UNet模型对缺陷区域的预测精度可达到93%.根据预测结果使用分类神经网络对缺陷进行分类,经实验验证,分类的精度可达94%,满足工业要求.结论 改进的UNet模型对磁瓦缺陷提取精度有所提高,分类神经网络的缺陷分类精度较高.结合改进的UNet模型和分类神经网络能同时并有效地实现缺陷提取和分类识别,为磁瓦质量检测和性能评估打下基础.
推荐文章
基于卷积神经网络的管道表面缺陷识别研究
缺陷识别
管道表面缺陷
机器视觉
卷积神经网络
缺陷分类
GoogleNet构造优化
基于新型深度神经网络的民机表面缺陷识别
民航飞机
表面缺陷识别
残差
Inception-net
深度神经网络
基于卷积神经网络的钣金件表面缺陷分类识别方法
卷积神经网络
缺陷检测
缺陷分割提取
窗口滑移检测
基于轻量级卷积神经网络的实时缺陷检测方法研究
卷积神经网络
深度可分离卷积
通道混洗
缺陷检测
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于神经网络的磁瓦表面缺陷检测识别
来源期刊 表面技术 学科 工学
关键词 磁瓦 表面缺陷 缺陷提取 缺陷分类识别 图像分割 UNet
年,卷(期) 2019,(8) 所属期刊栏目 表面质量控制及检测
研究方向 页码范围 330-339
页数 10页 分类号 TP391.4
字数 4846字 语种 中文
DOI 10.16490/j.cnki.issn.1001-3660.2019.08.044
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 林建平 同济大学机械与能源工程学院 124 1433 20.0 33.0
2 张剑 同济大学机械与能源工程学院 15 96 3.0 9.0
3 刘畅 同济大学机械与能源工程学院 51 291 10.0 16.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (59)
共引文献  (25)
参考文献  (12)
节点文献
引证文献  (3)
同被引文献  (15)
二级引证文献  (0)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(1)
  • 二级参考文献(0)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(4)
  • 参考文献(0)
  • 二级参考文献(4)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(5)
  • 参考文献(0)
  • 二级参考文献(5)
2007(4)
  • 参考文献(0)
  • 二级参考文献(4)
2008(3)
  • 参考文献(0)
  • 二级参考文献(3)
2009(7)
  • 参考文献(0)
  • 二级参考文献(7)
2010(5)
  • 参考文献(1)
  • 二级参考文献(4)
2011(5)
  • 参考文献(0)
  • 二级参考文献(5)
2012(8)
  • 参考文献(0)
  • 二级参考文献(8)
2013(3)
  • 参考文献(0)
  • 二级参考文献(3)
2014(4)
  • 参考文献(1)
  • 二级参考文献(3)
2015(4)
  • 参考文献(1)
  • 二级参考文献(3)
2016(5)
  • 参考文献(2)
  • 二级参考文献(3)
2017(2)
  • 参考文献(2)
  • 二级参考文献(0)
2018(4)
  • 参考文献(4)
  • 二级参考文献(0)
2019(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2020(3)
  • 引证文献(3)
  • 二级引证文献(0)
研究主题发展历程
节点文献
磁瓦
表面缺陷
缺陷提取
缺陷分类识别
图像分割
UNet
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
表面技术
月刊
1001-3660
50-1083/TG
16开
重庆市2331信箱(重庆市九龙破区石桥铺渝州路33号)
78-31
1972
chi
出版文献量(篇)
5547
总下载数(次)
30
总被引数(次)
34163
论文1v1指导