基于多尺度卷积神经网络和类内mixup操作的磁瓦表面质量识别

作     者：张京爱 王江涛 ZHANG Jing’ai;WANG Jiangtao

作者机构：淮北师范大学物理与电子信息学院安徽淮北235000 淮北师范大学信息学院安徽淮北235000 

基　　金：安徽省高校自然科学研究项目(KJ2018ZD038,KJ2019B15) 安徽省质量工程项目(2019jxtd142) 

出 版 物：《计算机应用》 (journal of Computer Applications)

年 卷 期：2021年第41卷第1期

页      码：275-279页

摘      要：铁氧体磁瓦由于形状的不规则性和表面缺陷的多样性给基于计算机视觉的表面质量识别带来很大的挑战。针对该问题,将深度学习技术引入到磁瓦表面质量识别中,提出一种基于卷积神经网络的磁瓦表面质量识别系统。首先将磁瓦目标从采集到的图像中分割出来并进行旋转从而得到标准图像,然后把改进后的多尺度ResNet18作为骨干网络来设计识别系统。训练时,设计一种新颖的类内mixup操作来提高系统对样本的泛化能力。为了更加贴近实际应用场景,在考虑到光线变化、姿态差异等因素的前提下构建了磁瓦缺陷数据集。在自建的数据集中进行实验的结果表明,该系统可以达到97.9%的识别准确率,为磁瓦缺陷的自动识别提供了可行的思路。

主 题 词：磁瓦 表面缺陷检测 卷积神经网络 mixup ResNet18 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.11772/j.issn.1001-9081.2020060886

馆 藏 号：203101655...