首页|基于Mask R-CNN的轮毂缺陷分割技术

基于Mask R-CNN的轮毂缺陷分割技术

Automatic instance segmentation technology of automobile wheel hub defects based on Mask R-CNN

扫码查看
原文链接
  • NETL
  • NSTL
  • 维普
  • 万方数据
汽车轮毂在铸造过程中不免有缺陷的产生,为实现工业检测自动化的需要,提出了基于Mask R-CNN的汽车轮毂缺陷自动分割方法,采用卷积神经网络模型训练参数来代替传统的人工设定参数.首次将Mask R-CNN应用于轮毂缺陷图像的识别,通过深层次的卷积网络训练可以使模型识别轮毂缺陷特征并将不同缺陷类型标注并分割开来,从而实现轮毂X射线图像的自动分割.实验表明,使用Mask R-CNN模型对复杂轮毂缺陷的识别率有93％以上,并对不同的缺陷类型都有效果,且每帧检测时间达到0.24 s/帧,满足工业轮毂缺陷检测的要求.

王陶然、王明泉、张俊生、张浩杰、程志勇

展开 >

中北大学国防重点实验室 太原030051

深度学习 卷积神经网络 轮毂射线图像 实例分割

国家自然科学基金国家重大科学仪器设备开发专项山西省科技攻关项目山西省重点实验室开放基金

611711772013YQ24080320140321010-02ISPT2020-5

2021

10.19652/j.cnki.femt.2002361

国外电子测量技术
北京方略信息科技有限公司

国外电子测量技术

CSTPCD北大核心
影响因子：1.414
ISSN：1002-8978
年,卷(期)：2021.40(2)
  • 7
  • 5