典型文献
基于卷积神经网络的带钢表面缺陷检测算法
文献摘要：
针对现有带钢表面缺陷检测方法准确率低、特征泛化性不强、参数多、识别速度慢等缺陷,基于卷积神经网络,采用DenseNet网络的密集连接算法解决梯度消失和梯度爆炸问题,堆叠式空洞卷积扩大卷积核感受野,深度可分离卷积减少网络参数量,提出一种用于带钢表面陷检测的深度神经网络模型Ds-DenseNet算法.以NEU带钢表面缺陷数据集为基础缺陷样本,加入正样本,并对其进行数据增强操作,创建AUG-NEU数据集,本算法在AUG-NEU数据集上的测试精度高达99.38％,参数量为117958,仅占DenseNetl21和ResNet50参数量的1.7％和0.5％,识别速度高达1.3ms/frame,分别是DenseNet121、ResNet50识别速度的2.3倍和2倍,完全可以满足带钢生产线实时检测的需求.
文献关键词：
缺陷检测;空洞卷积;深度可分离卷积;实时检测
中图分类号：
作者姓名：
布申申;田怀文
作者机构：
西南交通大学可视化研究所,四川 成都 610031
文献出处：
引用格式：
[1]布申申;田怀文-.基于卷积神经网络的带钢表面缺陷检测算法)[J].机械设计与制造,2022(07):29-33
A类：
DenseNetl21
B类：
带钢表面缺陷,钢表面缺陷检测,检测算法,缺陷检测方法,泛化性,速度慢,密集连接,梯度消失,堆叠式,空洞卷积,大卷,卷积核,感受野,深度可分离卷积,网络参数,参数量,深度神经网络模型,Ds,NEU,缺陷数据,集为,数据增强,AUG,测试精度,ResNet50,3ms,frame,DenseNet121,带钢生产线,实时检测
AB值：
0.316488
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。
