基于卷积神经网络的带钢表面缺陷图像检测算法

摘要：

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.

关键词：带钢生产、图像识别、卷积神经网络、Faster-RCNN、YOLOv4、CenterNet

所属期刊栏目：47

分类号：TP29(自动化技术及设备)

资助基金：国家重点研发计划2030;2018AAA0101801

在线出版日期：2022-09-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：132-135