主从特征融合驱动的铝型材表面缺陷检测
针对因仅考虑纹理特征而造成铝型材表面缺陷检测精度较低的问题,提出一种主从特征融合驱动的表面缺陷检测模型.该模型的构建主要包括3个部分:首先采用经Focal-Loss损失函数优化的UNet模型完成缺陷分布不均匀的样本分割与定位;然后集合卷积神经网络(CNN)与反向传播神经网络(BPNN)构建融合图像纹理特征、梯度信息和缺陷形状特征的主从特征预分类层;最后通过级联特定模糊规则的模糊神经网络完成缺陷的最终分类.利用阿里天池比赛的铝型材数据集中的5类缺陷样本对模型进行了实验验证,平均分类检测精度达到97.2%,为铝型材表面缺陷检测提供了新方法.
铝型材表面缺陷检测、主从特征融合驱动、卷积神经网络、反向传播神经网络、模糊神经网络
29
TP391.1(计算技术、计算机技术)
2023-02-24(万方平台首次上网日期,不代表论文的发表时间)
共8页
192-199