基于轻量神经网络的钢材表面缺陷快速识别

摘要：

为满足生产环境中钢材表面缺陷实时分类识别的需求,提出一种可部署于移动端的轻量卷积神经网络模型用于高效识别钢材表面缺陷.通过知识蒸馏将ResNet50和MobileNetV3分别作为教师模型和学生模型,生成改进的轻量神经网络模型MobileNetV3_small_tp.利用MobileNetV3_small_tp作为预训练模型,选用NEU(Northeastern University)带钢表面缺陷数据集进行微调,同时使用数据增强以模拟实际工况,得到模型在测试集中精度达到100％.最后将模型部署于手机上进行实际钢材表面缺陷识别.移动端模型测试、验证以及实际检测结果均显示MobileNetV3_small_tp模型具有流畅的运行速度和较高的识别率,能够实现现场钢材表面缺陷的准确高效识别.

关键词：轻量神经网络;钢材;移动端;表面缺陷识别

所属期刊栏目：21

分类号：TP391.41(计算技术、计算机技术)

资助基金：湖北省技术创新专项重大项目2019AAA011

在线出版日期：2022-01-13（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：14651-14656