基于编码器解码器的铁氧体零件缺陷检测

摘要：

为了提升铁氧体零件缺陷检测的精度和自动化程度,本文使用了一种基于编码器解码器网络的铁氧体零件缺陷检测方法.根据铁氧体零件自身形状特点,设计了一种基于ResNet的编码器解码器网络,通过约800张600×600分辨率的铁氧体零件图像训练该网络,在验证集上像素分类准确率达到99.2％,平均交并比达到86.5％.该模型是一种端到端的网络,在测试阶段,通过模型推理,对零件的缺陷进行定位.该方法的检测精度可以达到5.8μm,满足工业检测的精度要求.

关键词：全卷积网络、铁氧体零件、深度学习、编码器解码器、缺陷检测

分类号：TP317.4(计算技术、计算机技术)

在线出版日期：2023-04-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：56-61