基于深度学习的螺纹钢表面缺陷检测

作     者：赵月 张运楚 孙绍涵 王超 ZHAO Yue;ZHANG Yun-Chu;SUN Shao-Han;WANG Chao

作者机构：山东建筑大学信息与电气工程学院济南250101 山东省智能建筑技术重点实验室济南250101 

基　　金：国家自然科学基金青年科学基金(61503219) 

出 版 物：《计算机系统应用》 (Computer Systems & Applications)

年 卷 期：2021年第30卷第7期

页      码：87-94页

摘      要：螺纹钢是土建工程中必不可少的建筑材料,在轧制过程中因受轧辊磨损、钢坯质量等因素影响,导致表面缺陷,如不能及时发现就会生产出大量废品,严重影响企业经济效益.本文提出一种基于深度学习的螺纹钢缺陷检测方法,通过生产现场工业相机采集螺纹钢图像,对表面缺陷进行分类标记,建立样本数据集,利用深度卷积对抗生成网络DCGAN对数据集增强.采用Faster RCNN构建螺纹钢缺陷检测模型,利用迁移学习方法实现小样本螺纹钢表面缺陷检测,通过对损失函数、优化方法、学习率、滑动平均参数的设置来评估优化螺纹钢缺陷检测模型.实验表明所设计的方法具有较好的稳定性和实用性,能有效地解决人工检测过程中效率低、误检率高等问题.

主 题 词：螺纹钢 缺陷分类 Faster RCNN 深度学习 

学科分类：12[管理学] 08[工学] 1201[管理学-管理科学与工程类] 081104[081104] 080203[080203] 081304[081304] 0805[工学-能源动力学] 080502[080502] 0835[0835] 0802[工学-机械学] 0813[工学-化工与制药类] 0811[工学-水利类] 0812[工学-测绘类] 

D　O　I：10.15888/j.cnki.csa.007984

馆 藏 号：203104153...