基于改进ResNet模型的轴承沟道表面加工缺陷分类

• 作者: 刘浩翰 王钰涛 贺怀清 孙铖
• 来源期刊: 轴承
• 关键词: 滚动轴承 沟道 表面缺陷 分类 卷积神经网络 残差
• 年，卷（期）: 2021,（7）
• 所属期刊栏目: 测试与应用|Test and Application
• 页码范围: 52-58
• 页数: 7页
• 分类号: TH133.33|TP391
• 语种: 中文
• DOI: 10.19533/j.issn1000-3762.2021.07.011

摘要

轴承沟道表面缺陷具有细节丰富但特征不突出的特点,传统的特征提取方法进行缺陷分类时存在建模困难、分类准确率低的弊端,因此使用改进残差网络(ResNet)实现轴承沟道表面缺陷的高精度分类.以卷积神经网络为基础模型架构,使用残差块作为主要特征计算方法,在深层网络中融入Inception模块进行特征降维和拼接以获取更多的图像细节特征;同时,在特征计算中引入批量标准化(BN)进行数据正则化处理以加速模型收敛.对轴承沟道表面缺陷数据集的测试结果表明,改进ResNet模型比经典的LeNet5模型和ResNet模型精度更高且收敛性更好,准确率可达到98.84％,能够满足实际需要.