基于深度学习的人造板表面缺陷检测研究

摘要：

缺陷识别是人造板检测的重要环节,目前大多采用人工检测方法.将一种轻量级的深层神经网络MobileNet与SSD算法结合,使用Inception网络附加到多个特征映射上,构建SSD-MobileNet算法模型用于人造板的缺陷检测,以提高区分不同缺陷的能力.从人造板工厂生产现场获取主要包括粗刨花、水印、砂痕、杂物、胶斑5种缺陷类型的表面缺陷图,制成一个包含3216张人造板表面缺陷图像的数据集.利用该数据集对SSD-MoblieNet模型进行训练、测试,并与其他特征提取网络(ResNet18、VoVNet39、ESPNetV2)的检测精度和检测速度的影响结果进行对比,发现其检测速度最快达到75帧/s,相对其他特征提取网络的平均精度均值提升2.26％～3.52％.该研究为实现人造板表面实时在线检测提供良好的技术支撑.

关键词：人造板、表面缺陷、SSD-MobileNet、卷积神经网络、深度学习、检测

所属期刊栏目：58

分类号：TS653(木材加工工业、家具制造工业)

资助基金：基于机器视觉的人造板非平面缺陷检测;广东省普通高校青年创新人才类项目;中山市社会公益科技研究项目;国家自然科学基金

在线出版日期：2021-03-15（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：21-26