基于卷积神经网络的工件表面缺陷检测方法

• 作者: 马建 韩卫光
• 来源期刊: 组合机床与自动化加工技术
• 学科: 工学
• 关键词: 卷积神经网络 工件缺陷 决策模块 分割模块
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 控制与检测
• 页码范围: 106-109
• 页数: 4页
• 分类号: TH162|TG506
• 语种: 中文
• DOI: 10.13462/j.cnki.mmtamt.2021.01.025

摘要

为了提高工件表面缺陷检测的准确率,基于卷积神经网络的原理和工件表面缺陷检测的应用背景,对分割网络模型进行了改进.改进的分割网络模型中优化分割模块中的卷积层和卷积核大小,下采样时使用最大池化代替大步长的卷积.决策模块中通过改变卷积层和池化层得到更多的输出神经元,获得了更多的工件特征.实验验证表明,改进的分割网络模型应用到工件表面缺陷准确率达到了99.4％,比目前工件表面缺陷检测技术DeepLabv3、U-Net的准确率有所提高.