基于深度学习在海缆表面缺陷检测中的应用
传统的海缆表面缺陷检测是通过人工观察的方式,易出现高错误率、速度较慢等现象.为此,文章提出了一种基于深度学习在海缆表面缺陷检测的系统.为了提高整体的检测效率,该系统通过Faster-RCNN网络对图片缺陷进行检测.为了减小模型的复杂程度,采用了RPN Loss+Fast RCNN Loss的联合训练方法,通过一次的反向传播更新模型参数.同时,为了增强模型对海缆表面缺陷的检测能力,在主干特征提取网络部分,利用Resnet50中四个不同阶段的特征层构建特征金字塔网络,以适应不同缺陷的检测.实验结果表明,缺陷检出率达到98%,分类准确率达到97.9%.经过验证,该系统检测效果优于传统方式,可以满足工业化生产要求.
深度学习、海缆、表面缺陷、检测
18
TP311(计算技术、计算机技术)
2022-07-05(万方平台首次上网日期,不代表论文的发表时间)
共4页
88-91