基于卷积神经网络的带钢表面缺陷检测算法

作     者：布申申 田怀文 BU Shen-shen;TIAN Huai-wen

作者机构：西南交通大学可视化研究所四川成都610031 

基　　金：四川省科技计划重点研发项目(2018GZ0361) 

出 版 物：《机械设计与制造》 (Machinery Design & Manufacture)

年 卷 期：2022年第377卷第7期

页      码：29-33页

摘      要：针对现有带钢表面缺陷检测方法准确率低、特征泛化性不强、参数多、识别速度慢等缺陷,基于卷积神经网络,采用DenseNet网络的密集连接算法解决梯度消失和梯度爆炸问题,堆叠式空洞卷积扩大卷积核感受野,深度可分离卷积减少网络参数量,提出一种用于带钢表面陷检测的深度神经网络模型Ds-DenseNet算法。以NEU带钢表面缺陷数据集为基础缺陷样本,加入正样本,并对其进行数据增强操作,创建AUG-NEU数据集,本算法在AUG-NEU数据集上的测试精度高达99.38%,参数量为117958,仅占DenseNet121和ResNet50参数量的1.7%和0.5%,识别速度高达1.3ms/frame,分别是DenseNet121、ResNet50识别速度的2.3倍和2倍,完全可以满足带钢生产线实时检测的需求。

主 题 词：缺陷检测 空洞卷积 深度可分离卷积 实时检测 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 08[工学] 0802[工学-机械学] 080201[080201] 

D　O　I：10.3969/j.issn.1001-3997.2022.07.007

馆 藏 号：203113533...