计算机时代2023，Issue(8) ：98-102,106.DOI:10.16644/j.cnki.cn33-1094/tp.2023.08.022

基于深度学习的零件表面缺陷检测与识别

Part surface defect detection and recognition based on deep learning

蔡航 茅健 周玉凤 李彬鹏
计算机时代2023，Issue(8) ：98-102,106.DOI:10.16644/j.cnki.cn33-1094/tp.2023.08.022
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于深度学习的零件表面缺陷检测与识别

Part surface defect detection and recognition based on deep learning

蔡航 1茅健 1周玉凤 1李彬鹏1
扫码查看

作者信息

  • 1. 上海工程技术大学机械与汽车工程学院,上海 201620
  • 折叠

摘要

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.

关键词

深度学习/缺陷检测/铣削零件/数据扩充

Key words

deep learning/defect detection/milling parts/data expansion

引用本文复制引用

出版年

2023
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
参考文献量2
段落导航相关论文