基于卷积神经网络镜座表面缺陷检测  

Surface defect detection of mirror holder based on convolutional neural network

作　　者：张安 黄建龙 周诗洋[1] 伍世虔 ZHANG An;HUANG Jian-long;ZHOU Shi-yang;WU Shi-qian

机构地区：[1]武汉科技大学机械自动化学院,武汉430081 [2]武汉科技大学机器人与智能系统研究院,武汉430081

出　　处：《制造业自动化》2022年第10期21-24,共4页Manufacturing Automation

基　　金：国家自然科学基金项目(51805386);国家自然科学基金项目(61775172);湖北省技术创新专项重大项目(ZDCX2019000025)。

摘　　要：为解决镜座表面缺陷检测准确率低和实时性差的问题,提出一种轻量型多尺度并行的卷积神经网络分割算法。首先,该网络将一条很深的网络结构拓宽为三条并行运算的网络结构,具备深度卷积神经网络能提取低层语义特征和高层语义特征特点的同时,缩短了网络的运算时间。其次,设计了多感受野卷积模块,该模块能够有效融合不同感受野提取到的特征,提高了不同尺度缺陷的检测准确率。实验结果表明,该方法在测试数据集上检测达到了0.853的交并比(Intersection over Union,IoU)和0.920的平衡F分数(F1 Score),单张图像检测时间84ms,具有良好的实际工程应用价值。

关 键 词：缺陷检测 多尺度 深度学习 轻量级 并行计算 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]