10.16526/j.cnki.11-4762/tp.2022.04.005
基于多尺度残差网络优化的工业品表面缺陷检测
工业品表面缺陷检测是工业产品质量评估的关键环节,实现快速、准确、高效的检测对提升工业产能具有重要意义;该研究针对传统神经网络提取特征尺度单一、参数量大,网络训练效率低等问题,提出了一种基于残差网络的多尺度特征融合与RBN结合的残差网络模型;首先该模型通过多尺度卷积特征融合模块提取不同尺度的特征信息;然后,通过引入RBN层,使特征分布更加均匀;最后,采用全局平均池化代替传统的全连接层来减少模型的参数量,实现输出通道与特征类别的直接映射;该研究提出的网络模型在公开数据集NEU-DET上进行实验,识别率达到100%,在天池人工智能大赛铝型材缺陷数据集上的识别率达到98.8%,模型性能较为优异,可以很好地完成工业品表面缺陷检测任务.
工业品表面缺陷检测、多尺度特征、RBN、全局平均池化
30
TP183(自动化基础理论)
国家自然科学基金;国家自然科学基金
2022-05-07(万方平台首次上网日期,不代表论文的发表时间)
共6页
29-34