首页|基于改进的Inception金属板材表面质量缺陷检测

基于改进的Inception金属板材表面质量缺陷检测

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
金属板材表面质量在工程中起着至关重要的作用,针对传统检测设备对于板材表面质量的检测精度低,边缘部分侧边以及凹凸部分检测困难的问题.论文采用了一种典型的深度学习网络模型Inception为主,将另一种卷积神经网络模型ResNet中的残差结构,与SEnet中的SE结构相结合,将激活函数Relu替换为效果更好的Leaky Relu函数.该网络模型参数量减少,准确率达到了98.7％,比传统的Inception准确率提高了10.2％,可以更好地对金属板材表面质量缺陷进行识别.
Metal Plate Surface Defect Inspection Based on the Improved Inception Neural Network

胡鹰、郝路通

展开 >

太原科技大学计算机科学与技术学院 太原 030024

深度学习 卷积神经网络 表面质量检测 Inception ResNet

国家重点研发计划国家自然科学基金山西重大专项山西省专利推广项目

2018YFB1308700521753542018110201620210524

2022

10.3969/j.issn.1672-9722.2022.07.036

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)
  • 1
  • 6