典型文献
基于级联孪生密集网络的金属表面缺陷检测方法
文献摘要：
针对当前金属表面缺陷实时检测中存在的缺陷检测精度不高以及难以定位等问题,提出一种基于级联孪生密集网络的表面缺陷检测方法SCSEG-Net.该方法通过加入空洞空间金字塔池化模块结构,获取具有不同采样率的特征图捕获多尺度信息;同时,为了增强分类准确度,在训练时融合浅层卷积获取的低层纹理和边界等特征和深度卷积获取的复杂高层特征信息,通过级联网络更好地优化训练参数.SCSEG-Net可以将缺陷图像转换为像素级预测蒙版,并快速地获取真实的缺陷类别.在行业标准钢铁表面缺陷数据集上对SCSEG-Net方法进行训练、评估及验证,结果表明,对比同类方法,该方法能更精确地分割出钢铁表面缺陷的轮廓并完成分类,F1值为97.8％,召回率为98.81％.
文献关键词：
表面缺陷检测;图像分割;深度学习;卷积神经网络
中图分类号：
作者姓名：
王道累;刘易腾;杜文斌;朱瑞
作者机构：
上海电力大学能源与机械工程学院 上海 200240
文献出处：
引用格式：
[1]王道累;刘易腾;杜文斌;朱瑞-.基于级联孪生密集网络的金属表面缺陷检测方法)[J].计算机辅助设计与图形学学报,2022(06):946-952
A类：
SCSEG
B类：
密集网络,金属表面缺陷,表面缺陷检测,缺陷检测方法,实时检测,检测精度,以定,Net,空洞空间金字塔池化模块,块结构,采样率,特征图,多尺度信息,低层,深度卷积,复杂高层,特征信息,级联网络,图像转换,像素级,蒙版,钢铁,缺陷数据,割出,召回率,图像分割
AB值：
0.308011
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。
