典型文献
基于生成对抗网络的车轮踏面缺陷图像生成算法研究
文献摘要：
烧结机台车作为冶金行业物料运输的重要工艺环节之一,对其车轮踏面缺陷检测是烧结机安全稳定运行的重要保障.为了高效检测烧结机台车车轮踏面缺陷,提出了一种采用深度卷积生成对抗网络(deep conv-olutional generative adversarial networks,DCGAN)和泊松融合算法对车轮踏面缺陷数据集进行扩充的方法,以弥补其在深度学习神经网络中数据集的不足,并基于YOLOv5算法提出车轮踏面缺陷检测实施方案.试验结果表明,扩充数据集后的缺陷检测算法准确率提升6.5％,为台车车轮踏面缺陷准确检测提供了一种有效的解决方案.
文献关键词：
烧结机台车;车轮踏面;缺陷检测;深度卷积生成对抗网络;泊松融合;YOLOv5
中图分类号：
作者姓名：
陈波;袁志龙;陈龙;王月明
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]陈波;袁志龙;陈龙;王月明-.基于生成对抗网络的车轮踏面缺陷图像生成算法研究)[J].冶金自动化,2022(05):56-64
A类：
B类：
车轮踏面,踏面缺陷,图像生成,生成算法,算法研究,烧结机台车,冶金行业,物料运输,缺陷检测,安全稳定运行,高效检测,车车,深度卷积生成对抗网络,deep,conv,olutional,generative,adversarial,networks,DCGAN,泊松融合,融合算法,缺陷数据,深度学习神经网络,YOLOv5,出车,充数,检测算法,准确率提升
AB值：
0.276247
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。
