基于CNN的工件缺陷检测方法研究

摘要：

将卷积神经网络(CNN)应用于工件缺陷检测,来检测工件在生产过程中表面出现的缺陷,以提高工件的生产质量.利用CNN可以对工件的图案进行识别,但识别无法检测出细微缺陷的问题.在CNN进行工件图案识别的基础上,研究一种利用CNN实现缺陷检测的方法.该方法通过扩充缺陷样本,利用CNN识别的中间输出参数,定义了缺陷分辨率的概念来衡量缺陷的程度,当缺陷分辨率达到一定水平时则认为是无缺陷图案,否则认为其存在缺陷.实验验证了提出的CNN工件缺陷检测方法的有效性,数据表明缺陷检出率可达到93.3％.

关键词：工件缺陷检测、卷积神经网络、训练样本、缺陷分辨率

所属期刊栏目：44

分类号：TP391.43(计算技术、计算机技术)

资助基金：湖北省自然科学基金项目2016CFB470

在线出版日期：2018-01-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：238-243