基于深度学习的人造板表面缺陷检测研究

• 作者: 魏智锋 肖书浩 蒋国璋 伍世虔 程国飞
• 来源期刊: 林产工业
• 学科: 工学
• 关键词: 人造板 表面缺陷 SSD-MobileNet 卷积神经网络 深度学习 检测
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 研究与分析
• 页码范围: 21-26
• 页数: 6页
• 分类号: TS653
• 语种: 中文
• DOI: 10.19531/j.issn1001-5299.202102005

摘要

缺陷识别是人造板检测的重要环节,目前大多采用人工检测方法.将一种轻量级的深层神经网络MobileNet与SSD算法结合,使用Inception网络附加到多个特征映射上,构建SSD-MobileNet算法模型用于人造板的缺陷检测,以提高区分不同缺陷的能力.从人造板工厂生产现场获取主要包括粗刨花、水印、砂痕、杂物、胶斑5种缺陷类型的表面缺陷图,制成一个包含3216张人造板表面缺陷图像的数据集.利用该数据集对SSD-MoblieNet模型进行训练、测试,并与其他特征提取网络(ResNet18、VoVNet39、ESPNetV2)的检测精度和检测速度的影响结果进行对比,发现其检测速度最快达到75帧/s,相对其他特征提取网络的平均精度均值提升2.26％～3.52％.该研究为实现人造板表面实时在线检测提供良好的技术支撑.