典型文献
基于多尺度残差网络优化的工业品表面缺陷检测
文献摘要：
工业品表面缺陷检测是工业产品质量评估的关键环节,实现快速、准确、高效的检测对提升工业产能具有重要意义;该研究针对传统神经网络提取特征尺度单一、参数量大,网络训练效率低等问题,提出了一种基于残差网络的多尺度特征融合与RBN结合的残差网络模型;首先该模型通过多尺度卷积特征融合模块提取不同尺度的特征信息;然后,通过引入RBN层,使特征分布更加均匀;最后,采用全局平均池化代替传统的全连接层来减少模型的参数量,实现输出通道与特征类别的直接映射;该研究提出的网络模型在公开数据集NEU-DET上进行实验,识别率达到100％,在天池人工智能大赛铝型材缺陷数据集上的识别率达到98.8％,模型性能较为优异,可以很好地完成工业品表面缺陷检测任务.
文献关键词：
工业品表面缺陷检测;多尺度特征;RBN;全局平均池化
中图分类号：
作者姓名：
陈昕卓;李建军;张超
作者机构：
内蒙古科技大学信息工程学院,内蒙古包头 014010
文献出处：
引用格式：
[1]陈昕卓;李建军;张超-.基于多尺度残差网络优化的工业品表面缺陷检测)[J].计算机测量与控制,2022(04):29-34
A类：
工业品表面缺陷检测,RBN
B类：
多尺度残差,网络优化,工业产品,质量评估,提取特征,特征尺度,参数量,网络训练,训练效率,多尺度特征融合,残差网络模型,多尺度卷积,卷积特征融合,特征融合模块,不同尺度,特征信息,特征分布,全局平均池化,全连接层,公开数据集,NEU,DET,识别率,天池,铝型材,缺陷数据,模型性能
AB值：
0.293964
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。
