摘要
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.
基金项目
安徽省教育厅重点研究项目(KJ2019A1136)
安徽省教育厅重点研究项目(KJ2020A0992)
安徽省教育厅重点研究项目(KJ2020A0998)
安徽省质量工程精品开放课程项目(2017kfk144)
安徽省质量工程校企合作示范实训中心项目(2019xqsxzx31)
滁州职业技术学院校级质量工程精品资源共享课程项目(2018jpkc004)
NETL
NSTL
万方数据