基于多尺度卷积神经网络的手机表面缺陷识别方法

作     者：韩红桂 甄晓玲 李方昱 杜永萍 HAN Honggui;ZHEN Xiaoling;LI Fangyu;DU Yongping

作者机构：北京工业大学信息学部北京100124 计算智能与智能系统北京市重点实验室北京100124 数字社区教育部工程研究中心北京100124 

基　　金：国家重点研发计划资助项目(2018YFC1900800-05) 国家自然科学基金资助项目(62125301,61890930-5,61903010,62021003) 北京市卓越青年科学家计划资助项目(BJJWZYJH01201910005020) 

出 版 物：《北京工业大学学报》 (Journal of Beijing University of Technology)

年 卷 期：2023年第49卷第11期

页      码：1150-1158页

摘      要：针对手机表面缺陷难以精确识别的问题,提出一种兼具Soble算子、逻辑损失函数(logistic loss function,LLF)和多尺度卷积神经网络(multi-scale convolutional neural networks,MSCNN)手机表面缺陷识别方法SL-MSCNN。首先,构建了一种基于Sobel算子的邻域特征增强方法,排除了图像中光照、阴影等无关因素的干扰;其次,设计了一种基于MSCNN的缺陷识别方法,通过获得手机表面图像的多尺度信息,提高了手机表面缺陷的识别精度,同时,引入了LLF,通过降低梯度消失发生的概率加快训练的检测速度。实验结果表明:与其他手机表面缺陷识别方法相比,SL-MSCNN在准确率和效率方面具有更好的使用价值。

主 题 词：手机表面缺陷 邻域特征增强 识别方法 识别精度 Sobel算子 多尺度卷积神经网络(multi-scale convolutional neural networks,MSCNN) 逻辑损失函数(logistic loss function,LLF) 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.11936/bjutxb2022010021

馆 藏 号：203124303...