首页|基于半监督语义分割的钢板表面缺陷检测方法

基于半监督语义分割的钢板表面缺陷检测方法

A semi-supervised semantic segmentation method for steel plates surface defects detection

扫码查看
原文链接
  • NETL
  • NSTL
  • 维普
  • 万方数据
表面缺陷的有效检测是保证钢材表面质量的重要控制手段.现有检测方法多依赖于深度学习进行模型构建,需要大量的标记样本进行学习,延长了检测系统投用进度,因此提出了一种基于半监督语义分割方法来检测中厚板表面缺陷.首先在增加区域权重分支的双边分割网络(bilateral segmentation network,BiSeNet V2)上训练教师模型,再结合分类器辅助判断机制进行未标记样本的伪标签构建,最后将多样的背景图像和缺陷前景合成扩增样本数据集,训练得到学生模型.试验结果表明,该方法能够依赖少量的标签样本将平均识别率提高至90.5％,平均漏检率降低至2.2％,在实际应用中取得了很好的效果.

steel platedefects detectionsemi-supervised learningsemantic segmentationBiSeNet V2

吴昆鹏、石杰、杨朝霖、邓能辉

展开 >

北京科技大学国家板带生产先进装备工程技术研究中心,北京 100083

北京科技大学设计研究院有限公司,北京 100083

钢板 缺陷检测 半监督学习 语义分割 BiSeNet V2

广西科技重大专项

AA22068080

2023

10.3969/j.issn.1000-7059.2023.04.011

冶金自动化
冶金自动化研究设计院

冶金自动化

影响因子：0.685
ISSN：1000-7059
年,卷(期)：2023.47(4)
  • 1
  • 6