机械设备轴承图像缺陷深度卷积神经网络检测  

Convolution neural network detection of defect depth in bearing Image of mechanical equipment

作　　者：陶杭宇 姜晓燕 TAO Hang-yu;JIANG Xiao-yan

机构地区：[1]上海工程技术大学电子电气工程学院,上海201620

出　　处：《制造业自动化》2022年第5期175-179,共5页Manufacturing Automation

摘　　要：由于机械设备轴承区域受到工作区域的影响,采集图像中,噪声组成较为复杂,脉冲噪声和高斯噪声混合,很难通过单一小波去除,导致后续检测轴承部件缺陷难度加大,提出基于混合深度学习的机械设备轴承部件缺陷检测方法。将中值滤波和小波变换相结合,通过中值滤波剔除机械设备轴承部件图像混合噪声的脉冲噪声,采用改进的小波阈值去噪方法滤除图像高斯噪声。利用混合深度学习技术构建全新的卷积神经网络模型,将样本测试集作为输入样本训练卷积神经网络模型,输出缺陷检测结果,完成机械设备轴承部件缺陷检测。经过实验测试证明,所提方法的漏检率低、检测准确率高,能给准确检测机械设备轴承部件缺陷。

关 键 词：混合噪声 混合深度学习 机械设备 轴承部件 缺陷检测 卷积神经网络模型 

分 类 号：TG457[金属学及工艺—焊接]