基于改进DSSD网络的机械材料缺陷识别方法

摘要：

针对机械材料缺陷识别准确率低的问题,提出一种基于改进反卷积单激发多框探测器(DSSD)网络的机械材料缺陷识别方法.首先以Residual101 为基础网络,通过减少反卷积层数量以提高检测速度,然后采用K-means聚类算法优化目标检测框的长宽比,提高对机械材料缺陷识别的准确率和检测速度.结果表明,通过改进DSSD网络可实现机械材料缺陷检测,且相较于DSSD网络和常用目标检测网络YOLO、SSD、Faster-RCNN,改进DSSD网络的缺陷识别平均准确率更高,平均检测时间更短,分别达到85.9%和0.141 s,具有一定的有效性和优越性.

关键词：机械材料、缺陷识别、DSSD网络、K-means聚类

所属期刊栏目：52

分类号：TP301;TH89(计算技术、计算机技术)

资助基金：广东创新科技职业学院重点科研项目ZDYY03

在线出版日期：2023-09-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：125-129