深度学习在工业表面缺陷检测领域的应用研究

• 作者: 葛路 何仕荣
• 来源期刊: 计算技术与自动化
• 关键词: 深度学习 卷积神经网络 缺陷检测 工业应用
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 控制系统与自动化装置
• 页码范围: 59-65
• 页数: 6页
• 分类号: TP242.6
• 语种: 中文
• DOI: 10.16339/j.cnki.jsjsyzdh.202201011

摘要

深度卷积神经网络在处理自然图片时取得了非常好的效果，但鲜有针对工业应用领域的细分研究。本文探讨了深度学习模型在工业产品表面缺陷检测领域的应用。以Cp工业产品缺陷检测为着眼点，在设计检测方案时应用深度学习模型并辅助图像处理等相关技术，通过实验分析得到最佳应用模型。创新点在于提出了数据集信息密度这一概念，通过在多个数据集上的实验分析，论证了数据集信息密度对于深度学习模型的应用具有一定的评判价值。最后总结出一套具有一定普适性的深度学习模型在工业表面缺陷检测领域的应用指导方法。