首页|基于卷积神经网络的带钢表面缺陷图像检测算法

基于卷积神经网络的带钢表面缺陷图像检测算法

Image Detection Algorithm of Strip Steel Surface Defects Based on Convolution Neural Network

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据
为解决带钢生产过程中产品表面缺陷自动检测问题,通过分析不同类型视觉检测算法特点,选取Faster-RCNN、YOLOv4和CenterNet 3种算法,采用Python语言实现3种算法设计并应用于带钢表面缺陷检测中.通过对带钢表面6种典型缺陷1800张图像进行训练和测试,YOLOv4和Faster-RCNN算法的识别精度达70％以上,在带钢实际生产过程中具有较高应用价值.实验对比不同缺陷的识别精度,对于斑块、划痕、麻点、夹杂等边缘清晰对比度高的缺陷,适合采用机器识别算法进行检测.

杜孟新、毕玉、杜鹏昊

展开 >

机械工业仪器仪表综合技术经济研究所,北京 100055

北京工商大学,北京 100048

带钢生产 图像识别 卷积神经网络 Faster-RCNN YOLOv4 CenterNet

2018AAA0101801

2022

10.3969/j.issn.1002-0640.2022.08.021

火力与指挥控制
火力与指挥控制研究会,火力与指挥控制专业情报网

火力与指挥控制

CSTPCDCSCD北大核心
影响因子：0.312
ISSN：1002-0640
年,卷(期)：2022.47(8)
  • 2
  • 5