10.3969/j.issn.1001-5922.2023.07.007
基于深度学习的橡胶制品缺陷检测技术创新
橡胶制品表面缺陷会极大地影响产品的性能、安全性和可靠性.传统的基于人的视觉检测准确率低且耗时长,现有的机器视觉检测技术主要依靠人工完成,无法有效精准对橡胶制品缺陷检测.针对橡胶制品中各种缺陷检测识别问题,采用基于深度学习模型的多尺度缺陷检测方法,使用橡胶制品表面缺陷图像对该网络进行了训练和评估.研究结果显示,所建立的检测模型对橡胶制品凹坑检测准确率较高,平均精度为92.7%,可以有效检测橡胶制品小缺陷,且基于深度学习的神经网络模型的初始总损失相对较小,在100~150个历时之间趋于稳定.
深度学习、橡胶制品、缺陷、识别、技术研究
50
TQ330.7
2023-08-07(万方平台首次上网日期,不代表论文的发表时间)
共4页
26-29