基于DCGAN的印刷缺陷检测方法
近年来,深度学习被广泛应用于缺陷检测.目前方法可以检测较大的缺陷,但对于细微缺陷还是无法准确检测.针对这一问题,提出了一种基于深度卷积生成对抗网络(Deep convolu-tional generative adversarial networks,DCGAN)网络的印刷缺陷检测方法.该方法通过以下几点来提高检测精度:①在原有网络的基础上增加上采样模块,减少上采样中的损失;②提出一种自注意力机制,生成结构性更复杂和细节更准确的图像;③统计分析生成图像的噪声分布,确定最佳阈值,去除噪声,获得准确的缺陷图像.该方法加入了去噪处理,优化了网络结构,提高了DCGAN生成图像的精度.实验表明,与现有方法相比,在小于5像素的缺陷检测实验中,本方法可以使检测精度提高10％.
DCGAN;自注意力机制;缺陷检测;图像重建
26
TP391;TH742(计算技术、计算机技术)
国家自然科学基金;黑龙江省自然科学基金;哈尔滨市杰出青年人才基金;黑龙江省自然科学基金;黑龙江省普通本科高等学校青年创新人才项目;黑龙江省教育厅科学技术研究项目;哈尔滨理工大学青年拔尖创新人才;中国博士后基金
2022-02-18（万方平台首次上网日期，不代表论文的发表时间）
共9页
24-32
