典型文献
基于异域数据联邦学习的金属板表面划痕检测
文献摘要：
由于真实工业场景下的部分工业缺陷太少,导致深度学习应用在表面缺陷检测困难.针对金属板材表面缺陷检测的真实工业环境中所存在的小样本问题,本文提出了异域数据联邦检测模型,采用轻量级网络MobileNet-YOLOv3,有效利用不同领域的划痕数据,分场景训练检测模型.实验结果表明,通过异域数据结合训练的检测模型拥有一个很好的划痕检测效果,金属板训练的本地模型的mAP为94.95％,比传统数据增广方法训练模型mAP高5％,比YOLOv3的推理速度减少44.8％.
文献关键词：
小样本问题;异域数据;划痕检测
中图分类号：
作者姓名：
蔡剑锋;柏俊杰;向洪成;胡林;周涛琪;高帅
作者机构：
重庆科技学院电气工程学院,重庆401331
文献出处：
引用格式：
[1]蔡剑锋;柏俊杰;向洪成;胡林;周涛琪;高帅-.基于异域数据联邦学习的金属板表面划痕检测)[J].安阳工学院学报,2022(06):40-44
A类：
异域数据
B类：
数据联邦,联邦学习,表面划痕,划痕检测,工业场景,工业缺陷,太少,学习应用,表面缺陷检测,金属板材,工业环境,小样本问题,检测模型,轻量级网络,MobileNet,YOLOv3,分场景,数据结,合训,检测效果,mAP,数据增广,方法训练,训练模型,推理速度
AB值：
0.36809
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。
