基于双线性CNN与DenseBlock的导光板标记线缺陷检测

• 作者: 周迪斌 张家瑜 解利军 金秉文 魏东亮
• 来源期刊: 计算机系统应用
• 关键词: 深度学习 DenseNet 迁移学习 Bilinear-CNN
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 软件技术·算法
• 页码范围: 152-159
• 页数: 8页
• 字数: 4716字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.007467]

摘要

导光板标记线检测是导光板制造品控中的一个重要步骤,但在使用传统图像算法进行检测的过程中,有大量的气泡、严重污染和无标记线的情况存在.因有大量气泡,严重污染和无标记线的情况造成人工特征难以设计,因此,使用基于卷积网络的方法来代替人工特征设计进行缺陷检测.DenseNet卷积神经网络较其他分类神经网络具有参数较少,梯度收敛稳定等特点.因DenseNet卷积神经网络中使用特征融合的思想,保证了图片分类准确率.通过迁移学习的方法,将训练得到的DenseNet网络权重迁移到Bilinear-CNN算法进行训练,提升卷积神经网络局部注意力,提高图像分类准确率.通过实现结果表明,所提方法具有可行性,相比于V2-ResNet-101网络结构,准确率提升至95.53％,参数减少了97.2％,平均单张图像检测时间减少25％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	解利军	浙江大学航空航天学院	19	62	5.0	7.0
2	周迪斌	杭州师范大学杭州国际服务工程学院	19	29	3.0	4.0
3	张家瑜	杭州师范大学杭州国际服务工程学院	5	1	1.0	1.0
4	魏东亮	杭州师范大学杭州国际服务工程学院	4	1	1.0	1.0
5	金秉文		2	0	0.0	0.0