基于DSSD模型的机械加工件表面缺陷检测研究

• 作者: 李兰 奚舒舒 张才宝 马鸿洋
• 来源期刊: 机电工程
• 关键词: 工件缺陷 DSSD模型 目标检测 卷积神经网络
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 机械、仪表技术|Machinery and Instrumentation Technology
• 页码范围: 234-238,255
• 页数: 6页
• 分类号: TH161.14|TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1001-4551.2021.02.015

摘要

针对机械加工件表面缺陷检测问题,对工件表面缺陷种类、缺陷位置进行了研究,对深度学习中的目标检测算法进行了归纳分析,提出了一种基于DSSD模型的机械加工件表面缺陷检测方法.该方法首先利用扫描电子显微镜获取了不同工件、不同位置的表面缺陷图像,建立了工件表面缺陷数据集,并对数据集进行了扩充;然后将DSSD网络模型反卷积模块的网络层数进行了简化,从而降低了计算复杂度;最后利用简化后的DSSD模型完成了对数据集的训练和测试.研究结果表明:DSSD模型的检测效率高于YOLO、Faster R-CNN和SSD这3种模型,能够更准确、快速地检测工件表面缺陷,为实际工业场景下的缺陷检测提供了新的思路.