【摘要】：將卷積神經(jīng)網(wǎng)絡(luò)(CNN)應(yīng)用于工件缺陷檢測(cè),來(lái)檢測(cè)工件在生產(chǎn)過(guò)程中表面出現(xiàn)的缺陷,以提高工件的生產(chǎn)質(zhì)量。利用CNN可以對(duì)工件的圖案進(jìn)行識(shí)別,但識(shí)別無(wú)法檢測(cè)出細(xì)微缺陷的問(wèn)題。在CNN進(jìn)行工件圖案識(shí)別的基礎(chǔ)上,研究一種利用CNN實(shí)現(xiàn)缺陷檢測(cè)的方法。該方法通過(guò)擴(kuò)充缺陷樣本,利用CNN識(shí)別的中間輸出參數(shù),定義了缺陷分辨率的概念來(lái)衡量缺陷的程度,當(dāng)缺陷分辨率達(dá)到一定水平時(shí)則認(rèn)為是無(wú)缺陷圖案,否則認(rèn)為其存在缺陷。實(shí)驗(yàn)驗(yàn)證了提出的CNN工件缺陷檢測(cè)方法的有效性,數(shù)據(jù)表明缺陷檢出率可達(dá)到93.3%。
[Abstract]:The convolutional neural network (CNN) is applied to detect the defects on the workpiece surface in order to improve the production quality of the workpiece. The pattern of workpiece can be recognized by CNN, but the problem of fine defect can not be detected. Based on the pattern recognition of workpiece by CNN, a method of defect detection using CNN is studied. By extending the defect samples and using the intermediate output parameters identified by CNN, the concept of defect resolution is defined to measure the degree of defect. When the defect resolution reaches a certain level, it is considered as a non-defect pattern. Otherwise, it is considered defective. The effectiveness of the proposed method is verified by experiments, and the data show that the detection rate of defects can reach 93.33%.
【作者單位】： 華中師范大學(xué)計(jì)算機(jī)學(xué)院;
【基金】：湖北省自然科學(xué)基金項(xiàng)目(2016CFB470)資助
【分類(lèi)號(hào)】：TP183;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李莉萍;;新的3D缺陷檢測(cè)技術(shù)實(shí)現(xiàn)納米級(jí)快速檢測(cè)[J];計(jì)測(cè)技術(shù);2013年04期

2 肖慶;楊朝紅;宮云戰(zhàn);;提高靜態(tài)缺陷檢測(cè)精度方法[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2010年11期

3 劉皓挺;王巍;史利民;;圖割模型在光纖熔接缺陷檢測(cè)中的應(yīng)用[J];紅外與激光工程;2012年11期

4 孫懿;李?lèi)?ài)平;胡永;劉源;;基于機(jī)器視覺(jué)的水果缺陷檢測(cè)方法研究[J];軟件導(dǎo)刊;2014年05期

5 李曉慧;張寶峰;朱均超;;基于多光譜柑桔缺陷檢測(cè)方法研究[J];天津理工大學(xué)學(xué)報(bào);2010年04期

6 徐赤;王志平;凌永祥;祝曉春;秦嘉煒;;基于智能視覺(jué)系統(tǒng)的飲料瓶缺陷檢測(cè)技術(shù)[J];自動(dòng)化與儀器儀表;2011年05期

7 王詩(shī)琴;程耀瑜;師惠萍;劉永林;;基于角點(diǎn)定位的印刷品缺陷檢測(cè)[J];傳感器世界;2011年04期

8 李峰峰;袁鵬;吳忻生;;基于圖像處理的片式元件缺陷檢測(cè)算法[J];計(jì)算機(jī)測(cè)量與控制;2012年04期

9 趙云山;宮云戰(zhàn);周傲;王前;周虹伯;;靜態(tài)缺陷檢測(cè)中的誤報(bào)消除技術(shù)研究[J];計(jì)算機(jī)研究與發(fā)展;2012年09期

10 譚智仁;盧軍;;基于圖像傳感器的標(biāo)簽缺陷檢測(cè)方法[J];組合機(jī)床與自動(dòng)化加工技術(shù);2014年03期

相關(guān)會(huì)議論文 前5條

1 李兵;鄧善熙;李煥然;;計(jì)算機(jī)圖像處理技術(shù)應(yīng)用于晶振元件缺陷檢測(cè)[A];首屆信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2003年

2 趙漣漪;許寶杰;童亮;;在線(xiàn)玻璃缺陷檢測(cè)系統(tǒng)的研究[A];機(jī)械動(dòng)力學(xué)理論及其應(yīng)用[C];2011年

3 王國(guó)勛;彭怡;寇綱;石勇;;基于MCDM的軟件缺陷檢測(cè)算法評(píng)估[A];經(jīng)濟(jì)全球化與系統(tǒng)工程——中國(guó)系統(tǒng)工程學(xué)會(huì)第16屆學(xué)術(shù)年會(huì)論文集[C];2010年

4 曾理;劉玲慧;向才兵;;X射線(xiàn)圖像缺陷提取方法研究[A];2010年重慶市機(jī)械工程學(xué)會(huì)學(xué)術(shù)年會(huì)論文集[C];2010年

5 劉國(guó)華;張穎;陳子軍;陳子陽(yáng);;改進(jìn)的CNN搜索算法[A];第二十屆全國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2003年

相關(guān)重要報(bào)紙文章 前1條

1 本報(bào)記者 馬佳;調(diào)查CNN“中國(guó)黑客”報(bào)道[N];北京科技報(bào);2008年

相關(guān)博士學(xué)位論文 前10條

1 趙君愛(ài);基于圖像處理的工件表面缺陷檢測(cè)理論與方法研究[D];東南大學(xué);2016年

2 劉洪江;基于機(jī)器視覺(jué)的毛桿缺陷檢測(cè)技術(shù)的研究[D];廣東工業(yè)大學(xué);2011年

3 肖慶;提高靜態(tài)缺陷檢測(cè)精度的關(guān)鍵技術(shù)研究[D];北京郵電大學(xué);2012年

4 張大林;靜態(tài)缺陷檢測(cè)優(yōu)化若干關(guān)鍵技術(shù)研究[D];北京郵電大學(xué);2014年

5 司小書(shū);面向織物缺陷檢測(cè)的CUDA并行圖像處理模型與算法研究[D];武漢大學(xué);2011年

6 王慶香;基于小波的紋理分析及其在FPC金面缺陷檢測(cè)中的應(yīng)用[D];華南理工大學(xué);2011年

7 明俊峰;羽毛片缺陷檢測(cè)若干關(guān)鍵技術(shù)的研究[D];廣東工業(yè)大學(xué);2014年

8 畢昕;面向TFT-LCD制程的Mura缺陷機(jī)器視覺(jué)檢測(cè)方法研究[D];上海交通大學(xué);2009年

9 張昱;基于機(jī)器視覺(jué)的TFT-LCD屏mura缺陷檢測(cè)技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2006年

10 艾矯燕;基于計(jì)算機(jī)視覺(jué)的墻地磚顏色分類(lèi)和缺陷檢測(cè)研究[D];華南理工大學(xué);2003年

相關(guān)碩士學(xué)位論文 前10條

1 陳宇;軟包商標(biāo)印刷缺陷檢測(cè)系統(tǒng)研究[D];昆明理工大學(xué);2015年

2 黃文軍;基于機(jī)器視覺(jué)的印字缺陷檢測(cè)系統(tǒng)研究與實(shí)現(xiàn)[D];五邑大學(xué);2015年

3 章玲;基于圖像放縮算法的輪胎缺陷檢測(cè)系統(tǒng)研究與實(shí)現(xiàn)[D];山東大學(xué);2015年

4 劉振東;鋼芯傳送帶缺陷檢測(cè)系統(tǒng)中圖像處理算法研究[D];山西大學(xué);2015年

5 胡sズ，

本文編號(hào)：2349846