冷轧铜带表面缺陷智能识别方法

摘要：

表面质量是冷轧铜带重要质量指标之一.为实现铜带表面缺陷的精准自动检测,首先对常见表面缺陷进行分类,并制作了铜带表面缺陷图像数据集(YSU_CSC);然后,以卷积神经网络EfficientNet为核心,基于迁移学习策略,通过训练实验建立了冷轧铜带表面缺陷智能识别模型,同时与其他三种常用的卷积神经网络缺陷识别结果进行对比.结果表明:该模型的精度较高,准确率达到93.05％,单张缺陷图像平均识别时间为197 ms,综合性能较好,可以满足工程要求;最后,将该模型在测试集上的缺陷识别结果进行可视化,分析了该模型对部分图像识别错误的原因,给出了进一步优化的方向.

关键词：冷轧铜带、表面缺陷、卷积神经网络、迁移学习、识别模型

所属期刊栏目：32

分类号：TF35(冶金机械、冶金生产自动化)

资助基金：国家自然科学基金;河北省高端人才;巨人计划创新团队资助项目

在线出版日期：2022-12-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共15页

页码：2950-2964