首页|基于循环卷积神经网络的缺陷图像评判分级系统

基于循环卷积神经网络的缺陷图像评判分级系统

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
为了解决当前实际场景缺陷图像难识别、缺陷图像库数据庞大而导致标记工作难度大的问题,本文基于自主开发软件标注算法,对大数据缺陷样本库进行半自动标记,并在自主开发软件内完成标记.本文方法基于循环卷积神经网络框架,对标记结果进行学习训练,形成精准识别机制,使其不依赖第三方标注软件.首先,采集大数据缺陷图像,为缺陷识别做好数据训练准备.然后,结合传统视觉检测技术中的图像对比和图像阈值分割,实现初期检测.最后,比较多种深度学习框架的特性,开发了深度学习模型,并将其集成到本文系统中,建立深度神经网络缺陷识别算法.实验测试结果显示,本文系统具有更高的缺陷识别精度与鲁棒性,可为智能缺陷识别设备奠定算法基础.
Defect Image Evaluation and Classification System Based on Cyclic Convolution Neural Network

李长春、赵卫东

展开 >

滁州职业技术学院,安徽 滁州239000

半自动标记 缺陷图像 图像对比 循环卷积神经网络 深度学习框架

安徽省教育厅重点研究项目安徽省教育厅重点研究项目安徽省教育厅重点研究项目安徽省质量工程精品开放课程项目安徽省质量工程校企合作示范实训中心项目滁州职业技术学院校级质量工程精品资源共享课程项目

KJ2019A1136KJ2020A0992KJ2020A09982017kfk1442019xqsxzx312018jpkc004

2021

长春师范大学学报(自然科学版)
长春师范学院

长春师范大学学报(自然科学版)

影响因子：0.279
ISSN：1008-178X
年,卷(期)：2021.40(2)
  • 1
  • 11