一种基于深度学习的轮胎缺陷检测系统

扫码查看

原文链接

国家科技期刊平台
NETL
NSTL
万方数据
维普

中文摘要：为了提高轮胎缺陷检测的效率与准确率,论文设计了一款轮胎缺陷检测系统.该系统首先将数据库中选择的原始图像进行预处理,在提高图像的对比度之后,对预处理后的轮胎图像进行固定像素大小的切割,将轮胎图像切割为若干张像素大小为1024*1024的图像,论文选用视觉图像注释器对切割后的轮胎图像进行特征标记,标记后的图像以坐标形式呈现,用Mask R-CNN网络对准备好的训练集进行自适应训练,最后通过测试集对训练好的模型进行评测,实验发现轮胎杂物缺陷检测率为96.68％.可以发现,该系统可以有效地检测出轮胎的杂物缺陷,使得轮胎厂家可以节约人工成本,大大缩减轮胎缺陷的检测时间.

外文标题：A Tire Defect Detection System Based on Deep Learning

作者：

顾海军、陈胜

展开 >

作者单位：

上海理工大学光电信息与计算机工程学院上海 200093

关键词：

缺陷检测 Mask R-CNN 视觉图像注释器固定像素大小切割

出版年：

2022

DOI：

10.3969/j.issn.1672-9722.2022.07.012

计算机与数字工程

中国船舶重工集团公司第七0九研究所

计算机与数字工程

CSTPCD

影响因子：0.355

ISSN：1672-9722

年,卷(期)：2022.50(7)

被引量2
参考文献量10