基于U-Net和SVM的圆形工业品形变缺陷检测方法

• 作者: 兰永亮 周哲海 王佳豪
• 来源期刊: 激光杂志
• 学科: 工学
• 关键词: U型卷积神经网络 边缘提取 最小二乘圆检测 支持向量机 缺陷检测
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 光电测量与检测
• 页码范围: 25-31
• 页数: 7页
• 分类号: TH744
• 语种: 中文
• DOI: 10.14016/j.cnki.jgzz.2020.11.025

摘要

针对圆形工业品形变缺陷检测人工检测受主观经验影响大,抽样率低、实时性差等问题,提出了一种基于U型卷积神经网络(U-Net)结合支持向量机(SVM)的工业缺陷检测的快速准确方法.该方法先通过U型卷积神经网络对图像的目标检测区域进行图像分割,得到目标区域的二值图像;再采用Sobel边缘检测算法获取边缘点,采用最小二乘法确定圆心、半径并计算定位误差;最后,将半径和定位误差作为特征参量进行SVM二分类,从而判别圆形工业品是否存在形变缺陷.以常见的易拉罐拉环盖圆形锚点缺陷为例,验证了本方法的有效性.实验结果表明,在锚点变形严重和存在光照不均匀的情况下,该方法仍可实现拉环盖锚点形变缺陷准确快速的检测,通过对小样本图像数据进行检测评估,检测准确率达到96.88％,满足工业缺陷检测的要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周哲海		64	72	4.0	5.0
2	王佳豪		2	0	0.0	0.0
3	兰永亮		1	0	0.0	0.0