基于语义分割网络的小样本表面缺陷检测

• 作者: 张晴晴 史健芳
• 来源期刊: 电子设计工程
• 关键词: 深度学习 分割网络 缺陷检测 UNet 残差网络
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 图像与多媒体|Image and Multimedia
• 页码范围: 180-184,189
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.14022/j.issn1674-6236.2021.05.037

摘要

传统工业产品表面缺陷的检测很多时候都依赖于人工肉眼去识别,这严重降低了产品的生产速度,在一定程度上阻碍了社会生产力的进步.为了提高检测效果,降低人工成本,提出了一种基于语义分割网络UNet的小样本表面缺陷检测方法,该方法在UNet网络基础上作了两个方面的改进,在UNet网络基础上加入BN层,将UNet网络和残差网络结合起来,在UNet网络的下采样过程中,加入残差块结构,并分别对加入3、5、7个残差块的检测效果进行了验证实验.实验结果表明,UNet网络加入BN层后的分割检测效果有一定的提高,加入残差块之后,网络缺陷检测效果得到进一步的提升.