首页|改进U-Net网络的高纹理表面缺陷检测方法

改进U-Net网络的高纹理表面缺陷检测方法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
缺陷检测是生产实践中非常重要的一个环节.产品表面往往存在丰富的纹理信息,纹理信息很容易导致缺陷误判.针对传统算法在缺陷检测中的局限性,提出了一种改进的U-Net模型来进行高纹理表面缺陷检测.该模型在下采样采用特征融合策略,以减少细节的丢失;在上采样采用多尺度融合策略,获取不同感受野下的丰富信息;用空洞卷积代替部分普通卷积,增加感受野来防止边缘细节的丢失.同时,模型中还采用联合损失函数进行训练,并通过参数优化提高收敛速度.最终,通过对高纹理表面缺陷数据集上进行实验,验证改进的U-Net模型与原始U-Net模型以及SegNet模型、基于滑动窗口的CNN等同类方法进行客观比较,并对实验结果进行可行性分析,提出的模型表现出更精确的检测精度和更好的性能.实验结果表明改进的U-Net模型可以更好的适用于实际生产过程的缺陷检测中.
Improved U-Net Network for High Texture Surface Defect Detection

杨彬、亚森江·木沙、张凯

展开 >

新疆大学机械工程学院,新疆乌鲁木齐 830047

缺陷检测 高纹理 U-Net 特征融合 多尺度融合 空洞卷积 联合损失函数

新疆维吾尔自治区教育厅自然科学基金新疆大学自然科学基金

XJEDU2017M009BS180264

2023

机械设计与制造
辽宁省机械研究院

机械设计与制造

CSTPCD北大核心
影响因子：0.511
ISSN：1001-3997
年,卷(期)：2023.385(3)
  • 1
  • 3