典型文献
冷轧铜带表面缺陷智能识别方法
文献摘要：
表面质量是冷轧铜带重要质量指标之一.为实现铜带表面缺陷的精准自动检测,首先对常见表面缺陷进行分类,并制作了铜带表面缺陷图像数据集(YSU_CSC);然后,以卷积神经网络EfficientNet为核心,基于迁移学习策略,通过训练实验建立了冷轧铜带表面缺陷智能识别模型,同时与其他三种常用的卷积神经网络缺陷识别结果进行对比.结果表明:该模型的精度较高,准确率达到93.05％,单张缺陷图像平均识别时间为197 ms,综合性能较好,可以满足工程要求;最后,将该模型在测试集上的缺陷识别结果进行可视化,分析了该模型对部分图像识别错误的原因,给出了进一步优化的方向.
文献关键词：
冷轧铜带;表面缺陷;卷积神经网络;迁移学习;识别模型
中图分类号：
作者姓名：
徐扬欢;王东城;刘宏民;于华鑫
作者机构：
燕山大学国家冷轧板带装备及工艺工程技术研究中心,秦皇岛 066004;燕山大学 亚稳材料制备技术与科学国家重点实验室,秦皇岛 066004
文献出处：
引用格式：
[1]徐扬欢;王东城;刘宏民;于华鑫-.冷轧铜带表面缺陷智能识别方法)[J].中国有色金属学报,2022(10):2950-2964
A类：
冷轧铜带
B类：
表面缺陷,智能识别方法,表面质量,要质,质量指标,自动检测,陷进,图像数据集,YSU,CSC,EfficientNet,迁移学习策略,识别模型,缺陷识别,单张,ms,测试集,图像识别
AB值：
0.256824
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。
