基于深度学习的人造板表面缺陷检测研究

编号 zgly0001724997

文献类型 期刊论文

文献题名 基于深度学习的人造板表面缺陷检测研究

作者 魏智锋  肖书浩  蒋国璋  伍世虔  程国飞 

作者单位 武汉科技大学机械自动化学院冶金装备及其控制教育部重点实验室  武昌首义学院机械与自动化学院  中山火炬职业技术学院 

母体文献 林产工业 

年卷期 2021,58(2)

页码 21-26

年份 2021 

分类号 TS653 

关键词 人造板  表面缺陷  SSD-MobileNet  卷积神经网络  深度学习  检测 

文摘内容 缺陷识别是人造板检测的重要环节,目前大多采用人工检测方法。将一种轻量级的深层神经网络MobileNet与SSD算法结合,使用Inception网络附加到多个特征映射上,构建SSD-MobileNet算法模型用于人造板的缺陷检测,以提高区分不同缺陷的能力。从人造板工厂生产现场获取主要包括粗刨花、水印、砂痕、杂物、胶斑5种缺陷类型的表面缺陷图,制成一个包含3216张人造板表面缺陷图像的数据集。利用该数据集对SSD-MoblieNet模型进行训练、测试,并与其他特征提取网络(ResNet18、VoVNet39、ESPNetV2)的检测精度和检测速度的影响结果进行对比,发现其检测速度最快达到75帧/s,相对其他特征提取网络的平均精度均值提升2.26%~3.52%。该研究为实现人造板表面实时在线检测提供良好的技术支撑。