基于卷积神经网络的钣金件表面缺陷分类识别方法

• 作者: 尹湘云 殷国富 王玲 谢政峰
• 来源期刊: 计算机测量与控制
• 关键词: 卷积神经网络 缺陷检测 缺陷分割提取 窗口滑移检测
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 设计与应用
• 页码范围: 187-190,196
• 页数: 5页
• 分类号: TP3
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2020.06.038

摘要

针对国防军工、电子信息等领域对多批次、小批量钣金零件快速、智能制造的需求,提出了一种基于卷积神经网络的少样本钣金件表面缺陷分类识别方法;首先基于卷积神经网络的网络架构,搭建出了经典的分类模型,并在实验中进行了参数修改,以达到实际生产中的表面缺陷检测要求;其次利用缺陷分割提取的方法获得卷积网络训练模型的样本集,并进行数据增强;实验结果表明,该模型的准确度可达97.02％;最后利用窗口滑移检测方法使待检测零件与模型进行对比,实现了对缺陷的分类和缺陷位置的标记;经实验验证,该方法的准确性和实时性均可满足实际工业生产要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	殷国富	四川大学机械工程学院	617	5927	35.0	50.0
2	王玲	四川大学机械工程学院	111	310	10.0	12.0
3	尹湘云	四川大学机械工程学院	10	45	3.0	6.0
4	谢政峰	四川大学机械工程学院	2	0	0.0	0.0