基于二值卷积神经网络的钢铁缺陷检测  

作　　者：陈彦杰 吴丽君[1] 陈志聪[1] 

机构地区：[1]福州大学物理与信息工程学院,福建福州350108

出　　处：《工业控制计算机》2023年第7期45-47,共3页Industrial Control Computer

基　　金：福建省自然科学基金(2022H0008,2021J01580);福州市科技计划项目(2021-P-030,2021-P-059)。

摘　　要：缺陷检测是钢铁生产质量管控的重要一环,基于视觉和深度学习的钢铁缺陷自动检测受到了广泛关注。针对卷积神经网络计算及存储资源要求高的问题,基于二值卷积神经网络实现了轻量的钢铁缺陷检测网络。具体地,基于空洞卷积,设计了一种具有分支结构的可融合的二值卷积神经网络,在降低了参数和计算量的同时,有效提升分类准确率。实验结果表明,该网络参数大小为ResNet-18的6.99%,在NEU-CLS数据集上表面缺陷识别率接近最新的全精度PSO-Gabor-CNN算法,达到98.11%。

关 键 词：二值卷积神经网络 空洞卷积 分支结构 缺陷检测 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程] TP391.41[自动化与计算机技术—控制科学与工程] TG115[金属学及工艺—物理冶金]