鑄件的表面常出現(xiàn)暗孔、沙眼、裂紋、凹凸不平等缺陷,這些缺陷不僅削弱鑄件的強(qiáng)度,還可能使零件間的銜接產(chǎn)生松動(dòng),留下安全隱患。目前,傳統(tǒng)檢測(cè)方法由于成本高、效率低、人工依賴性強(qiáng)等問(wèn)題,已難以滿足工業(yè)需求。為此,本文提出了一種基于深度學(xué)習(xí)的鑄件外觀缺陷檢測(cè)算法,以達(dá)到更好的檢測(cè)效果。為了盡可能保留缺陷特征,本文使用500萬(wàn)像素的工業(yè)攝像機(jī)進(jìn)行拍攝,得到的圖像均為2566*1940像素。算法主要分為兩個(gè)部分:首先訓(xùn)練一個(gè)YOLO網(wǎng)絡(luò)從原始圖像中找出需要檢測(cè)的區(qū)域,將區(qū)域圖片分割出來(lái)并調(diào)整為256*256像素大小;隨后使用一個(gè)改進(jìn)后的ResNet-50殘差網(wǎng)絡(luò)對(duì)得到的圖片進(jìn)行識(shí)別,判定其是否存在缺陷。為了提高檢測(cè)精度,本文對(duì)ResNet-50網(wǎng)絡(luò)進(jìn)行了兩項(xiàng)改進(jìn):1.提出了ASoftReLU激活函數(shù),代替?zhèn)鹘y(tǒng)的ReLU函數(shù),用以緩解神經(jīng)元死亡,提高訓(xùn)練速度和檢測(cè)精度;2.采用了多通道卷積神經(jīng)網(wǎng)絡(luò),將數(shù)據(jù)擴(kuò)充與圖像特征強(qiáng)化結(jié)合起來(lái),在訓(xùn)練過(guò)程中鞏固圖像的本質(zhì)特征,增強(qiáng)網(wǎng)絡(luò)的抗干擾能力。為了驗(yàn)證算法的有效性,本文在TensorFlow平臺(tái)搭建神經(jīng)網(wǎng)絡(luò)進(jìn)行了三組實(shí)驗(yàn),最后一組實(shí)驗(yàn)為算法的最終結(jié)果。實(shí)驗(yàn)的...

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 缺陷檢測(cè)的研究現(xiàn)狀
        1.2.2 深度學(xué)習(xí)的研究現(xiàn)狀
    1.3 論文主要研究?jī)?nèi)容
    1.4 論文章節(jié)結(jié)構(gòu)安排
第二章 相關(guān)知識(shí)及本文任務(wù)分析
    2.1 卷積神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ)
        2.1.1 CNN的組成結(jié)構(gòu)
        2.1.2 CNN的工作原理
        2.1.3 殘差學(xué)習(xí)
    2.2 本文缺陷檢測(cè)任務(wù)分析
        2.2.1 常見(jiàn)缺陷類型
        2.2.2 任務(wù)難點(diǎn)分析
    2.3 本章小結(jié)
第三章 基于YOLO與 RESNET分類網(wǎng)絡(luò)的鑄件外觀缺陷檢測(cè)算法
    3.1 整體算法介紹
        3.1.1 設(shè)計(jì)方案
        3.1.2 算法流程
    3.2 基于YOLO-V3 的鑄件區(qū)域檢測(cè)與定位
        3.2.1 網(wǎng)絡(luò)模型
        3.2.2 樣本處理
        3.2.3 檢測(cè)過(guò)程
    3.3 基于RESNET-50 的缺陷識(shí)別與分類
        3.3.1 網(wǎng)絡(luò)模型
        3.3.2 結(jié)構(gòu)微調(diào)
        3.3.3 訓(xùn)練流程
    3.4 本章小結(jié)
第四章 基于改進(jìn)RESNET的缺陷識(shí)別與分類
    4.1 強(qiáng)化數(shù)據(jù)特征
        4.1.1 數(shù)據(jù)歸一化
        4.1.2 數(shù)據(jù)集擴(kuò)充
    4.2 優(yōu)化網(wǎng)絡(luò)性能
        4.2.1 優(yōu)化學(xué)習(xí)率
        4.2.2 改進(jìn)激活函數(shù)
    4.3 多通道卷積神經(jīng)網(wǎng)絡(luò)
        4.3.1 特征強(qiáng)化模塊
        4.3.2 檢測(cè)系統(tǒng)構(gòu)建
    4.4 本章小結(jié)
第五章 實(shí)驗(yàn)結(jié)果及分析
    5.1 評(píng)價(jià)標(biāo)準(zhǔn)
    5.2 實(shí)驗(yàn)結(jié)果分析
    5.3 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
致謝
參考文獻(xiàn)
附錄1 攻讀碩士學(xué)會(huì)期間發(fā)表的論文
附錄2 攻讀碩士期間參加的科研項(xiàng)目
詳細(xì)摘要



本文編號(hào)：3939179