基于Faster R-CNN神经网络的钢卷端部缺陷检测

摘要：

钢卷的端部质量不但影响后续生产的效率和稳定性,还影响产品的整体产品质量.然而目前国内外大部分钢铁企业仍是靠人工进行检测,尚未有高效、准确的设备对端部质量进行监控.为此,研究了通过机器视觉和Faster R-CNN神经网络对钢卷端部缺陷进行定位和检测的方法.研究发现,Faster R-CNN神经网络在经过足量的有效数据训练足够多的世代后,对钢卷端部缺陷具有良好的识别能力,可以取代人工检测,从而提高生产效率,降低人工成本,促进我国钢铁行业的智能化发展.

关键词：带钢、端部缺陷、Faster R-CNN神经网络、深度学习、机器视觉

所属期刊栏目：38

分类号：TP391.41;F426.31;TP274

在线出版日期：2021-07-16（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：75-79