基于全卷积神经网络的工件表面检测的研究

• 作者: 陈晴
• 来源期刊: 内燃机与配件
• 关键词: 表面形貌 全卷积神经网络 深度学习 机器视觉
• 年，卷（期）: 2019,（16）
• 所属期刊栏目: 质量与检修
• 页码范围: 197-199
• 页数: 3页
• 字数: 3244字
• 语种: 中文

摘要

近年来,深度学习的快速发展引起了机器视觉在工业领域的兴起,相较于传统物理测量检测方法,基于深度神经网络的检测算法有高效率、无损耗的特点.为快速检测流水线上工件产品表面形貌的优劣,本文提出了一种基于全卷积神经网络的检测方法,实现了工件表面优劣的实时检测算法,能端对端的输出检测结果.相较于传统人工检测提升了检测效率及准确率,实验数据表明,利用全卷积神经网络所设计的检测算法,识别精度高达98％,识别速率相较于人工提升了5倍,有较强的实际意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈晴	重庆工商大学融智学院	4	1	1.0	1.0