基于U-Net卷积神经网络的轮毂缺陷分割

• 作者: 张俊生 张曼 张馨心 王明泉 郭瑞琦
• 来源期刊: 自动化与仪表
• 关键词: 轮毂缺陷分割 自动分割 深度学习 神经网络
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 检测技术与数据处理
• 页码范围: 43-47
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19557/j.cnki.1001-9944.2020.04.010

摘要

为实现轮毂缺陷检测自动化,该文依据轮毂X射线图像,提出一种基于U-Net卷积神经网络的自动分割的改进方法.将原始U-Net模型的最大池化操作替换为卷积操作,并加入Dropout层对网络进行优化,提升模型可靠性.同时对带有缺陷的轮毂图像做数据预处理,用于训练改进的U-Net模型.结果 表明,该网络在复杂轮毂X射线图像的缺陷识别中表现良好,DICE系数为0.8554,SSIM系数为0.9655,识别速度达到3ms/张;该方法能较好地实现轮毂射线图像缺陷的自动分割,满足无损检测的自动化需要.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王明泉	中北大学信息与通信工程学院	113	511	10.0	16.0
2	张馨心	中北大学信息与通信工程学院	6	7	1.0	2.0
3	张俊生	中北大学信息与通信工程学院	22	47	5.0	6.0
4	张曼	中北大学信息与通信工程学院	4	0	0.0	0.0
5	郭瑞琦	中北大学信息与通信工程学院	4	0	0.0	0.0