融入IBN-NET的轻量网络在金属圆柱工件缺陷识别中的应用

• 作者: 侍宝玉 曾伟 罗钧 龚燕峰
• 来源期刊: 计算机辅助设计与图形学学报
• 学科: 工学
• 关键词: 实例标准化 轻量网络 金属圆柱工件 缺陷识别
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 图像与视觉
• 页码范围: 112-120
• 页数: 9页
• 分类号: TP391
• 字数: 6284字
• 语种: 中文
• DOI: 10.3724/SP.J.1089.2020.17722

摘要

金属圆柱工件的缺陷特征容易受到环境光影响,而使用传统卷积神经网络检测金属圆柱工件缺陷,存在网络参数多,运算量大和泛化能力低等问题,难以满足工业现场检测的实时性和高精度要求.针对这些问题,提出一种融入实例-批归一化网络(IBN-NET)的轻量网络模型.在轻量卷积神经网络SqueezeNext的基础上,加入增强泛化能力的IBN-NET,将浅层卷积层后的批标准化(BN)用一定比例的实例标准化(IN)替代,形成网络模型的基础模块;通过组合基础模块,形成改进的网络模型.实验采用具有5类金属圆柱工件缺陷的图像进行对比测试,结果表明,融入IBN-NET的改进网络模型拥有更高的泛化能力,在GTX1080显卡上,改进网络模型仅需0.58M参数量和5.54 ms的识别时间就能达到95.8％的识别精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗钧	重庆大学光电技术及系统教育部重点实验室	69	943	15.0	28.0
2	曾伟	重庆大学光电技术及系统教育部重点实验室	7	55	3.0	7.0
3	侍宝玉	重庆大学光电技术及系统教育部重点实验室	5	20	2.0	4.0
4	龚燕峰	重庆大学光电技术及系统教育部重点实验室	1	0	0.0	0.0