基于轻量化深度学习VGG16网络模型的表面缺陷检测方法

作     者：方宇伦 陈雪纯 杜世昌 吕君 王勇 FANG Yuun;CHEN Xuechun;DU Shichang;Lv Jun;WANG Yong

作者机构：上海交通大学机械与动力工程学院上海200240 华东师范大学经济与管理学院上海200241 力度工业智能科技(苏州)有限公司江苏常熟215558 

基　　金：姑苏创新创业领军人才计划(2XL2021021) 常熟市科技领军人才创新创业计划(CSRC2066)资助项目 

出 版 物：《机械设计与研究》 (Machine Design And Research)

年 卷 期：2023年第39卷第2期

页      码：143-147页

摘      要：零件表面缺陷是产品质量的重要组成部分,零件在线检测可以解决产品批量质量问题,已成为质量控制的未来发展趋势。人工检测方法存在检测精度低、漏检率高等问题,而通过机器视觉和深度学习相结合的在线检测成为研究热点。但是目前多数深度学习模型存在模型结构复杂、预测耗时长的缺点,不满足实时检测的需求。为了提高产品表面缺陷检测的效率和准确率,设计了一种轻量化深度学习VGG16网络模型,通过对VGG16Net进行结构优化与剪枝操作搭建轻量化识别模型,并构建表面缺陷数据集进行训练与预测。在标准表面缺陷数据集上,准确率达到0.949;搭建实验测试平台,对比原始VGG16网络,改进后的网络在剪枝率为50%时,准确率达到0.907,单张图片预测耗时为0.067s,模型压缩率为59.79%。轻量化表面缺陷检测方法具有高效自动、智能化等优点。

主 题 词：缺陷检测 深度学习 模型剪枝 VGG16 

学科分类：08[工学] 080203[080203] 0802[工学-机械学] 

D　O　I：10.13952/j.cnki.jofmdr.2023.0068

馆 藏 号：203121396...