10.3969/j.issn.1002-0640.2022.08.021
基于卷积神经网络的带钢表面缺陷图像检测算法
为解决带钢生产过程中产品表面缺陷自动检测问题,通过分析不同类型视觉检测算法特点,选取Faster-RCNN、YOLOv4和CenterNet 3种算法,采用Python语言实现3种算法设计并应用于带钢表面缺陷检测中.通过对带钢表面6种典型缺陷1800张图像进行训练和测试,YOLOv4和Faster-RCNN算法的识别精度达70%以上,在带钢实际生产过程中具有较高应用价值.实验对比不同缺陷的识别精度,对于斑块、划痕、麻点、夹杂等边缘清晰对比度高的缺陷,适合采用机器识别算法进行检测.
带钢生产、图像识别、卷积神经网络、Faster-RCNN、YOLOv4、CenterNet
47
TP29(自动化技术及设备)
国家重点研发计划2030;2018AAA0101801
2022-09-22(万方平台首次上网日期,不代表论文的发表时间)
共4页
132-135