期刊专题

基于CNN的工件缺陷检测方法研究

引用
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%.

工件缺陷检测、卷积神经网络、训练样本、缺陷分辨率

44

TP391.43(计算技术、计算机技术)

湖北省自然科学基金项目2016CFB470

2018-01-24(万方平台首次上网日期,不代表论文的发表时间)

共6页

238-243

暂无封面信息
查看本期封面目录

计算机科学

1002-137X

50-1075/TP

44

2017,44(z2)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn