典型文献
基于卷积神经网络镜座表面缺陷检测
文献摘要：
为解决镜座表面缺陷检测准确率低和实时性差的问题,提出一种轻量型多尺度并行的卷积神经网络分割算法.首先,该网络将一条很深的网络结构拓宽为三条并行运算的网络结构,具备深度卷积神经网络能提取低层语义特征和高层语义特征特点的同时,缩短了网络的运算时间.其次,设计了多感受野卷积模块,该模块能够有效融合不同感受野提取到的特征,提高了不同尺度缺陷的检测准确率.实验结果表明,该方法在测试数据集上检测达到了0.853的交并比(Intersection over Union,IoU)和0.920的平衡F分数(F1 Score),单张图像检测时间84ms,具有良好的实际工程应用价值.
文献关键词：
缺陷检测;多尺度;深度学习;轻量级;并行计算
中图分类号：
作者姓名：
张安;黄建龙;周诗洋;伍世虔
作者机构：
武汉科技大学 机械自动化学院,武汉 430081;武汉科技大学 机器人与智能系统研究院,武汉 430081
文献出处：
引用格式：
[1]张安;黄建龙;周诗洋;伍世虔-.基于卷积神经网络镜座表面缺陷检测)[J].制造业自动化,2022(10):21-24
A类：
84ms
B类：
表面缺陷检测,检测准确率,轻量型,分割算法,并行运算,深度卷积神经网络,低层,语义特征,运算时间,多感受野,卷积模块,有效融合,取到,不同尺度,测试数据,交并比,Intersection,over,Union,IoU,Score,单张,图像检测,检测时间,实际工程应用,轻量级,并行计算
AB值：
0.392252
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。
