典型文献
基于RefineDet卷积神经网络的铸造件表面缺陷检测
文献摘要：
为提高铸造件表面缺陷检测的精度与效率,提出一种基于RefineDet卷积神经网络的缺陷自动检测方法.该方法首先使用改进的同态滤波算法对图像进行预处理,将图像分成高频分量与低频分量两部分并分别进行处理,从而增强图像缺陷信息,然后通过RefineDet卷积神经网络模型对铸造件图像进行缺陷识别,其中RefineDet通过改进单一阶段设计的算法,引入了两阶段的目标检测算法中对候选区域框由粗粒度信息到进一步回归得到更加精确的框信息,同时检测网络引入了特征融合,可以有效提高对小目标的检测效果.研究结果表明,基于RefineDet卷积神经网络的缺陷自动检测方法能准确高效检测出铸造件表面的常见缺陷,对划痕、凹坑和色块类的缺陷有很好的检测效果.
文献关键词：
铸造件;同态滤波;RefineDet卷积神经网络;缺陷检测
中图分类号：
作者姓名：
阎相伊;王文博;李玉河;张晓芳;董建
作者机构：
天津工程机械研究院有限公司
文献出处：
引用格式：
[1]阎相伊;王文博;李玉河;张晓芳;董建-.基于RefineDet卷积神经网络的铸造件表面缺陷检测)[J].工程机械,2022(11):7-13
A类：
B类：
RefineDet,铸造件,表面缺陷检测,精度与效率,自动检测,改进的同态滤波,滤波算法,高频分量,低频分量,增强图像,缺陷信息,卷积神经网络模型,缺陷识别,两阶段,目标检测算法,候选区域,粗粒度,同时检测,测网,特征融合,小目标,检测效果,高效检测,常见缺陷,划痕,凹坑,色块
AB值：
0.30686
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
