基于深度学习的连铸坯表面缺陷检测 |
| |
引用本文: | 胡嘉成,王向阳,刘晗.基于深度学习的连铸坯表面缺陷检测[J].上海大学学报(自然科学版),2019(4). |
| |
作者姓名: | 胡嘉成 王向阳 刘晗 |
| |
作者单位: | 上海大学通信与信息工程学院;上海金艺检测技术有限公司 |
| |
摘 要: | 采用提取图像的纹理、几何特征并利用支持向量机(support vector machine, SVM)进行检测和识别的方法,对宝山钢铁现有的连铸坯表面裂纹、凹陷、夹杂物、气孔、划痕等缺陷进行分析,缺陷检测准确率为83%.提出一种基于卷积神经网络(convolutional neural network,CNN)的方法进行缺陷检测.该方法对裂纹缺陷的检测准确率为93%,对其他缺陷(由于凹陷、夹杂物、气孔、划痕等缺陷数据较少,这些缺陷归为一类)的检测准确率为88%.实验结果表明,采用深度学习的方法能够有效检测、识别出具有缺陷的连铸坯,检测准确率较高.
|
本文献已被 CNKI 等数据库收录! |
|