典型文献
基于卷积自编码器的医用玻璃瓶口缺陷检测方法
文献摘要：
为解决缺陷检测中缺陷样本数量少、种类多、难以提供足够的数据来进行有监督深度学习模型训练的问题,本文利用工业生产中大量易获取没有缺陷的正样本数据,建立Encoder-Decoder结构的卷积自编码网络缺陷检测模型,将空间和通道注意力的卷积注意力模块嵌入编码器中增强网络特征提取能力.在编码阶段加入上下文信息模块,获得更大的感受野,减小计算量.同时,结合多尺度结构相似性MS-SSIM和L1损失来改善图像重构效果,使用峰值信噪比PSNR衡量重构误差并判别异常.实验结果表明,提出的医用玻璃瓶口缺陷检测方法能够准确检出缺陷数据和分割缺陷区域,精确度为99.45％、召回率为97.63％、漏检率为0.55％、误检率为2.93％.该方法能够准确检出玻璃瓶口缺陷,定位缺陷区域,同时图像重构耗时短,仅需10.37 ms左右,能够实现准确、高效的自动化产品质量检测.
文献关键词：
医用玻璃瓶;缺陷检测;卷积自编码器;注意力机制;峰值信噪比
中图分类号：
作者姓名：
任秋霖;任德均;李鑫;闫宗一;曹林杰;唐洪
作者机构：
四川大学机械工程学院,四川 成都 610065
文献出处：
引用格式：
[1]任秋霖;任德均;李鑫;闫宗一;曹林杰;唐洪-.基于卷积自编码器的医用玻璃瓶口缺陷检测方法)[J].计算机与现代化,2022(08):114-120
A类：
医用玻璃瓶
B类：
卷积自编码器,瓶口缺陷检测,缺陷检测方法,样本数量,有监督,深度学习模型,模型训练,Encoder,Decoder,卷积自编码网络,检测模型,通道注意力,卷积注意力模块,入编,网络特征,特征提取能力,在编,上下文信息,感受野,计算量,多尺度结构,结构相似性,SSIM,L1,图像重构,构效,峰值信噪比,PSNR,重构误差,出缺,缺陷数据,召回率,漏检率,误检率,ms,产品质量检测,注意力机制
AB值：
0.3137
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。
