基于深度学习的电子换向器表面缺陷检测  

作　　者：施恺杰 王颖[1] 王嘉璐 钱立峰[1] 徐力晨 杨昊天 顾乾辉 

机构地区：[1]南昌工程学院信息工程学院,江西330096

出　　处：《网络安全技术与应用》2021年第6期113-115,共3页Network Security Technology & Application

摘　　要：电子换向器表面剥落、损坏的现象广泛存在于工业界,导致产品不合格,存在安全隐患。就目前而言,电子换向器产品表面缺陷的人工检测方法成本高、效率低而且漏检率高。鉴于以上原因,本文提出了一种低成本高效率的缺陷检测方法,设计了一种两段式的网络结构,第一部分是从原始图像的各层特征图中逐像素的学习特征来完成分割,第二部分则是将分割后的图像进行整合后判断是否存在裂缝。最后进行实验分析比较,检测结果达到了预期效果。

关 键 词：深度学习 电子换向器 缺陷检测 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术] TP18[自动化与计算机技术—计算机科学与技术] TN06[电子电信—物理电子学]