典型文献
基于RGB-D数据的笔记本面板表面缺陷检测研究
文献摘要：
笔记本面板表面的鼓包、麻点等缺陷在RGB图像上特征不显著,而细小划痕缺陷在深度相机上又无法采集其深度信息.为了同时满足深度空间和颜色空间这两类缺陷的特征采集,搭建了 RGB-D数据采集平台,采用线激光三角测量法和错位取值的方法,通过一台相机和线激光发射器同时采集RGB图像和深度图像.提取激光中心线时通过对激光图像的两个通道做差,消除外部光源的干扰,提高了激光中心线的提取精度.将采集到的RGB-D数据进行图像处理后制作成数据集,采用基于Swin Transformer优化的Mask RCNN模型对数据集进行训练和验证.结果表明,该数据采集平台能实现鼓包、麻点、划痕等多种缺陷类型的缺陷特征采集,并通过深度学习的方法进行缺陷检测.改进后的Mask RCNN网络模型平均检测精度mAP达到86.5％,比传统基于ResNet50网络的Mask RCNN精度提升9.5％,在大目标缺陷上检测精度AP提升了 13.3％.该方案能够有效降低漏检率,满足对笔记本面板表面的缺陷检测要求.
文献关键词：
缺陷检测;三角测量法;激光中心线提取;深度学习
中图分类号：
作者姓名：
吴志远;陈新度;吴磊
作者机构：
广东工业大学机电工程学院,广东 广州510000;广东省计算机集成制造重点实验室,广东广州510000
文献出处：
引用格式：
[1]吴志远;陈新度;吴磊-.基于RGB-D数据的笔记本面板表面缺陷检测研究)[J].装备制造技术,2022(02):21-24,35
A类：
B类：
RGB,笔记本,表面缺陷检测,鼓包,麻点,细小,划痕,深度相机,深度信息,深度空间,颜色空间,数据采集平台,线激光,激光三角测量,三角测量法,一台,激光发射器,深度图像,激光图像,除外,光源,Swin,Transformer,Mask,RCNN,缺陷类型,缺陷特征,模型平均,检测精度,mAP,ResNet50,精度提升,大目标,漏检率,检测要求,激光中心线提取
AB值：
0.371585
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。
