10.16526/j.cnki.11-4762/tp.2020.06.038
基于卷积神经网络的钣金件表面缺陷分类识别方法
针对国防军工、电子信息等领域对多批次、小批量钣金零件快速、智能制造的需求,提出了一种基于卷积神经网络的少样本钣金件表面缺陷分类识别方法;首先基于卷积神经网络的网络架构,搭建出了经典的分类模型,并在实验中进行了参数修改,以达到实际生产中的表面缺陷检测要求;其次利用缺陷分割提取的方法获得卷积网络训练模型的样本集,并进行数据增强;实验结果表明,该模型的准确度可达97.02%;最后利用窗口滑移检测方法使待检测零件与模型进行对比,实现了对缺陷的分类和缺陷位置的标记;经实验验证,该方法的准确性和实时性均可满足实际工业生产要求.
卷积神经网络、缺陷检测、缺陷分割提取、窗口滑移检测
28
TP3(计算技术、计算机技术)
四川省科技计划项目2018GZ0115
2020-07-13(万方平台首次上网日期,不代表论文的发表时间)
共5页
187-190,196