融合ViT卷积神经网络的木板表面缺陷识别

摘要：

由于需要通过木板表面缺陷对木板分级,而人工检测存在一定问题.为解决木板表面缺陷识别问题,提出一种融合ViT的卷积神经网络模型,用于提高缺陷识别的准确率.为此,收集裂缝、虫眼、节子和纹理4种木板表面缺陷图片,其中裂缝和虫眼图片数量远少于节子和纹理.为解决模型训练时样本不均衡问题,利用ProGAN对裂缝和虫眼图片进行训练并生成同类型缺陷图片,以增加其数量,使4种图片数量保持平衡,并在实验前对缺陷图片进行数据增强并添加椒盐噪声,整理得到所需图片数据集.基于融合ViT的卷积神经网络模型,利用数据集验证两种不同激活函数的模型,结果表明使用GELU作为激活函数的模型性能更高.并测试不同的transformer深度时模型的性能,得到的模型缺陷识别的最高准确率可达到98.54％.实验结果表明,融合ViT的卷积神经网络模型是可行的,为木板表面缺陷自动检测提供了新思路.

关键词：木板表面缺陷、ProGAN、ViT、卷积神经网络、深度学习

所属期刊栏目：49

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金51905228

在线出版日期：2023-05-22（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：597-602