甘肃科技2024，Vol.40Issue(9) ：69-73,81.DOI:10.20156/j.cnki.2097-2490.2024.09.014

基于深度学习的铝型材表面缺陷检测算法

席小卫 张敏敏 张丑尧 吴锦洋
甘肃科技2024，Vol.40Issue(9) ：69-73,81.DOI:10.20156/j.cnki.2097-2490.2024.09.014
✕
  • NETL
  • NSTL
  • 万方数据

基于深度学习的铝型材表面缺陷检测算法

席小卫 1张敏敏 1张丑尧 1吴锦洋1
扫码查看

作者信息

  • 1. 兰州信息科技学院,甘肃 兰州 730000
  • 折叠

摘要

传统的缺陷检测算法在检测铝型材表面缺陷复杂情况时效果不佳,主要有3个问题:一是对复杂类型无法全部进行检测并分类;二是对于图像中相似点判别不准确,无法精准提取其特征;三是易对微小缺陷进行误判.为此,使用计算机视觉技术提出一种基于实例分割的缺陷检测算法,该算法基于U-Net架构,实现像素到像素级的分类.同时,为了今后部署应用的需求,使用可分离卷积对网络参数进行裁剪,且融合空间及通道注意力机制,使网络能够快速且准确地实现缺陷检测.

关键词

缺陷检测/U-Net/可分离卷积/计算机视觉/注意力机制

引用本文复制引用

基金项目

高校教师创新基金项目(2023B-396)

出版年

2024
甘肃科技
甘肃省科学科技情报研究所

甘肃科技

影响因子：0.29
ISSN：1000-0952
段落导航相关论文