典型文献
热轧带钢表面缺陷识别算法研究与应用
文献摘要：
在带钢热连轧生产过程中,带钢表面会出现不同类型的缺陷,给带钢性能造成不利影响,严重时引发质量异议.目前在线使用的带钢表面检测系统经常需要人工调整缺陷图片库,部分类别的典型缺陷图片调整后会影响另一些类型的检测精度.采用深度学习方法,设计了一种轻量化残差网络LDS-ResNet14,缩减了原始残差网络ResNet18的层数和宽度,并将普通的卷积替换成深度可分离卷积,网络的参数量和运算量大量减少;同时,使用知识蒸馏(Knowledge Distillation,KD)方法迁移大型残差网络ResNet50的知识,并提出一种混合KL散度和交叉熵的损失函数让知识更好的迁移到LDS-ResNet14上,在压缩模型的同时提升了模型的精度和泛化能力.离线试验表明,提出的网络LDS-KD-ResNet14针对武钢CSP机组的8类带钢表面缺陷的平均识别精度为99.16％,相较于ResNet18精度提高0.67％,计算量仅为原来的12.1％.实际现场在线应用表明,针对武钢CSP热连轧机组的折叠、油污、夹杂和麻点这4类缺陷,模型缺陷检出率达到96.43％、缺陷识别率达到94.10％,单张图片的检测速度为16.5 ms,满足实际生产要求.
文献关键词：
热轧带钢;表面缺陷检测;深度学习;轻量化网络;知识蒸馏
中图分类号：
作者姓名：
李维刚;徐康;李金灵;赵云涛
作者机构：
武汉科技大学冶金自动化与检测技术教育部工程研究中心,湖北武汉430081;武汉科技大学信息科学与工程学院,湖北武汉430081
文献出处：
引用格式：
[1]李维刚;徐康;李金灵;赵云涛-.热轧带钢表面缺陷识别算法研究与应用)[J].钢铁,2022(10):139-147
A类：
ResNet14
B类：
热轧带钢,带钢表面缺陷,缺陷识别,识别算法,算法研究,带钢热连轧,面会,质量异议,表面检测,图片库,分类别,典型缺陷,后会,检测精度,深度学习方法,轻量化残差网络,LDS,ResNet18,层数,替换成,深度可分离卷积,参数量,运算量,使用知识,知识蒸馏,Knowledge,Distillation,KD,方法迁移,ResNet50,KL,散度,交叉熵,损失函数,压缩模型,泛化能力,离线,武钢,CSP,识别精度,计算量,在线应用,热连轧机,连轧机组,折叠,油污,夹杂,麻点,识别率,单张,检测速度,ms,表面缺陷检测,轻量化网络
AB值：
0.404067
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。
