首页|基于深度学习的零件表面缺陷检测与识别

基于深度学习的零件表面缺陷检测与识别

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
金属零件的加工一般采用铣削方式,由于机床振动、刀具磨损、切屑与零件表面碰撞以及零件自身材质不均匀等原因,导致零件表面产生各种缺陷.因此,在零件的生产过程中及时检测缺陷十分必要.针对零件缺陷检测需求,提出基于深度学习的零件表面缺陷检测与识别;利用对抗生成网络DCGAN扩充数据集并改进目标检测算法,使缺陷检测正确率达98.7%,比原Faster R-CNN算法的缺陷检测正确率有了较大的提高,实现了零件的表面缺陷缺陷检测识别.
Part surface defect detection and recognition based on deep learning

deep learningdefect detectionmilling partsdata expansion

蔡航、茅健、周玉凤、李彬鹏

展开 >

上海工程技术大学机械与汽车工程学院,上海 201620

深度学习 缺陷检测 铣削零件 数据扩充

2023

10.16644/j.cnki.cn33-1094/tp.2023.08.022

计算机时代
浙江省计算技术研究所　浙江省计算机学会

计算机时代

影响因子：0.411
ISSN：1006-8228
年,卷(期)：2023.(8)
  • 2