基于DenseNet的带钢表面缺陷智能识别系统研究

• 作者: 郝用兴 庞永辉
• 来源期刊: 河南科技
• 关键词: 缺陷检测 图像识别 迁移学习 DenseNet GUI PyQt5
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 信息技术|ELECTRONIC TECHNOLOGY
• 页码范围: 11-14
• 页数: 4页
• 分类号: TTH164|TP29
• 语种: 中文
• DOI: 10.3969/j.issn.1003-5168.2021.03.009

摘要

本文对带钢表面斑块、裂纹、夹杂等6种缺陷进行研究,利用DenseNet深度学习网络和PyQt5设计一种缺陷智能识别系统,可以实现带钢表面缺陷准确高效的识别.该识别系统在以Tensorflow为后端的Keras平台上搭建,采用迁移学习的方法对带钢表面的6种缺陷进行识别,训练过程中冻结基础模型DenseNet的顶层部分,利用数据扩充、添加BN层防止过拟合.最终模型在训练集上的正确率为99.33％,在测试集上每一类缺陷的正确率均超过97％,其间绘制出混淆矩阵.最后,搭建缺陷识别系统的GUI界面,实现带钢表面缺陷识别的可视化功能,提高用户体验.