典型文献
基于深度学习在海缆表面缺陷检测中的应用
文献摘要：
传统的海缆表面缺陷检测是通过人工观察的方式,易出现高错误率、速度较慢等现象.为此,文章提出了一种基于深度学习在海缆表面缺陷检测的系统.为了提高整体的检测效率,该系统通过Faster-RCNN网络对图片缺陷进行检测.为了减小模型的复杂程度,采用了RPN Loss+Fast RCNN Loss的联合训练方法,通过一次的反向传播更新模型参数.同时,为了增强模型对海缆表面缺陷的检测能力,在主干特征提取网络部分,利用Resnet50中四个不同阶段的特征层构建特征金字塔网络,以适应不同缺陷的检测.实验结果表明,缺陷检出率达到98％,分类准确率达到97.9％.经过验证,该系统检测效果优于传统方式,可以满足工业化生产要求.
文献关键词：
深度学习;海缆;表面缺陷;检测
中图分类号：
作者姓名：
张浩;吴陈;徐影
作者机构：
江苏科技大学计算机学院,江苏镇江212100;中天科技海缆有限公司,江苏南通226010
文献出处：
引用格式：
[1]张浩;吴陈;徐影-.基于深度学习在海缆表面缺陷检测中的应用)[J].电脑知识与技术,2022(15):88-91
A类：
Loss+Fast
B类：
海缆,表面缺陷检测,错误率,较慢,检测效率,统通,Faster,RCNN,陷进,复杂程度,RPN,联合训练,训练方法,反向传播,更新模型,增强模型,检测能力,主干特征提取网络,网络部,Resnet50,特征金字塔网络,分类准确率,系统检测,检测效果,传统方式,工业化生产
AB值：
0.390607
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。
