基于ResNet网络的医用塑瓶制造缺陷检测方法

• 作者: 付磊 任德均 胡云起 邱吕 郜明
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 医用塑瓶 图像处理 深度学习 目标检测
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 算法设计与分析
• 页码范围: 104-108
• 页数: 5页
• 分类号: TP391.4
• 字数: 3257字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2020.04.017

摘要

本文提出一种基于深度学习的识别方法用于医用塑瓶气泡、积料等生产缺陷的实时检测,设计工业现场的视觉检测硬件平台,细述积料与气泡检测算法的原理,简述算法检测前的图像预处理.在Pytorch框架下通过ResNet系列算法与MobilenetV2算法的正交实验对积料检测实时性能进行比较,同时优化RetinaNet网络在气泡上的检测性能.在生产现场中该方法关于积料的平均检测精度为99.7％,单幅图片检测时间为29.7 ms;气泡的%指数为99.5％,单幅图片检测时间为35.5 ms,达到企业生产的要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	任德均	四川大学机械工程学院	57	206	7.0	10.0
2	付磊	四川大学机械工程学院	14	28	3.0	5.0
3	郜明	四川大学机械工程学院	4	0	0.0	0.0
4	邱吕	四川大学机械工程学院	4	0	0.0	0.0
5	胡云起	四川大学机械工程学院	3	0	0.0	0.0