基于深度学习的铝型材表面缺陷检测研究

摘要：

提出了一种基于迁移学习的铝型材表面质量检测方法;设计了一种以深度卷积神经网络为基础网络架构的迁移学习模型,实现了铝型材表面缺陷识别和分类.该模型以铝型材原始图像样本作为输入,通过深度卷积神经网络提取特征,输入 Softmax分类器进行缺陷分类.通过实验分析,该模型在铝型材表面缺陷检测上具有可行性和一定的准确率.

关键词：铝型材、表面缺陷、迁移学习、深度学习

分类号：TG146.21:TP391.7(金属学与热处理)

资助基金：佛山市教育局高校教师特色创新研究项目;广东省教育厅普通高校特色创新课题;广东省教育厅人工智能重点领域课题;佛山市工程技术研究中心项目

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4页

页码：33-35,38