典型文献
基于卷积神经网络的新型爆珠缺陷检测算法
文献摘要：
香烟爆珠包装前的缺陷检测对确保香烟生产品质具有重要意义.基于卷积神经网络的新型爆珠缺陷检测算法,可检测爆珠中的气泡、凹陷、划痕和微小拖尾这4种典型缺陷.为满足工业检测的要求,在利用Faster RCNN对小目标检测精度高优势的同时,对其进行轻量化改进.首先,利用深度可分离卷积网络实现特征提取,相较于标准卷积,参数量与计算量可减少约90％;然后,为降低网络参数的减少对精度的影响,利用上下文增强模块整合多尺度特征,提高检测精度;最后,选择加入二阶矩估计的Adam算法替代传统Momentum算法实现网络参数学习,网络收敛速度更快,误差更小.检测结果表明:笔者算法对4种缺陷检测的平均精度均值可达98.16％,检测速度可达36.10 pcs/s,检测精度和检测速度均能满足实时检测的要求.
文献关键词：
缺陷检测;Faster RCNN;深度可分离卷积;上下文增强模块;Adam
中图分类号：
作者姓名：
胡怀中;李龙飞;李梦迪
作者机构：
西安交通大学 自动化科学与工程学院,陕西西安710049;河南中烟工业有限责任公司,河南郑州450000
文献出处：
引用格式：
[1]胡怀中;李龙飞;李梦迪-.基于卷积神经网络的新型爆珠缺陷检测算法)[J].浙江工业大学学报,2022(06):609-614
A类：
上下文增强模块
B类：
爆珠,缺陷检测,检测算法,香烟,气泡,凹陷,划痕,拖尾,典型缺陷,工业检测,Faster,RCNN,小目标检测,检测精度,高优,深度可分离卷积,卷积网络,标准卷积,参数量,计算量,网络参数,模块整合,多尺度特征,高检,选择加入,二阶矩,矩估计,Adam,Momentum,算法实现,参数学习,网络收敛速度,平均精度均值,检测速度,pcs,实时检测
AB值：
0.368812
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。
