制造業(yè)占我國(guó)GDP約30%,是國(guó)民經(jīng)濟(jì)的主體。但大而不強(qiáng)、自動(dòng)化水平偏低的問題客觀存在。在產(chǎn)品的生產(chǎn)制造過程中,表面缺陷檢測(cè)是不可或缺的關(guān)鍵環(huán)節(jié)。傳統(tǒng)的表面缺陷檢測(cè)任務(wù)由人工完成,面臨著主觀性強(qiáng)、效率低的問題。近年來,在設(shè)備算力的推動(dòng)下,深度學(xué)習(xí)技術(shù)促進(jìn)了圖像處理與計(jì)算機(jī)視覺技術(shù)的迅速發(fā)展。并且,在國(guó)家戰(zhàn)略的推動(dòng)下,深度學(xué)習(xí)技術(shù)正與制造業(yè)深度融合。針對(duì)工業(yè)場(chǎng)景的缺陷自動(dòng)化檢測(cè)需求,本文開展基于深層神經(jīng)網(wǎng)絡(luò)的工業(yè)圖像缺陷檢測(cè)算法研究。根據(jù)缺陷圖像與自然場(chǎng)景圖像的語義信息差異,提出的特征提取骨干網(wǎng)絡(luò)充分復(fù)用前層特征,并為底層紋理信息提供快速向上傳遞通道。此外,使用多層特征融合及復(fù)用方法解決缺陷尺寸差異大、深層特征圖存在小尺寸缺陷信息湮滅的問題。針對(duì)發(fā)動(dòng)機(jī)活塞環(huán)的表面缺陷檢測(cè)這一特定問題,借鑒Faster-RCNN雙階段檢測(cè)算法的思想設(shè)計(jì)活塞環(huán)缺陷檢測(cè)算法。本算法采用多任務(wù)學(xué)習(xí)思想,通過為骨干網(wǎng)絡(luò)添加分類模塊將有無缺陷的分類任務(wù)設(shè)為網(wǎng)絡(luò)主任務(wù)。將缺陷檢測(cè)設(shè)置為網(wǎng)絡(luò)的子任務(wù),并使用缺陷位置信息與類別信息的強(qiáng)監(jiān)督信號(hào)引導(dǎo)骨干網(wǎng)絡(luò)的每階段學(xué)習(xí)指定的缺陷特征。網(wǎng)絡(luò)參數(shù)的設(shè)置依據(jù)數(shù)據(jù)集的統(tǒng)計(jì)信息,并完...

【文章頁(yè)數(shù)】：76 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1-1典型缺陷示意圖

北方工業(yè)大學(xué)碩士研究生學(xué)位論文1第一章緒論1.1研究背景及意義隨著工業(yè)4.0理念的引進(jìn)和中國(guó)制造2025規(guī)劃的推出，中國(guó)經(jīng)濟(jì)進(jìn)入發(fā)展的新常態(tài)，結(jié)構(gòu)調(diào)整、轉(zhuǎn)型升級(jí)、提質(zhì)增效成了新的發(fā)展戰(zhàn)略。其中，加快發(fā)展機(jī)器人產(chǎn)業(yè)、促進(jìn)機(jī)器人應(yīng)用，則成為了實(shí)現(xiàn)新戰(zhàn)略的重要途徑。制造業(yè)是國(guó)民經(jīng)濟(jì)的主....

圖1-1典型缺陷示意圖

北方工業(yè)大學(xué)碩士研究生學(xué)位論文1第一章緒論1.1研究背景及意義隨著工業(yè)4.0理念的引進(jìn)和中國(guó)制造2025規(guī)劃的推出，中國(guó)經(jīng)濟(jì)進(jìn)入發(fā)展的新常態(tài)，結(jié)構(gòu)調(diào)整、轉(zhuǎn)型升級(jí)、提質(zhì)增效成了新的發(fā)展戰(zhàn)略。其中，加快發(fā)展機(jī)器人產(chǎn)業(yè)、促進(jìn)機(jī)器人應(yīng)用，則成為了實(shí)現(xiàn)新戰(zhàn)略的重要途徑。制造業(yè)是國(guó)民經(jīng)濟(jì)的主....

圖1-3基于分類網(wǎng)絡(luò)的缺陷檢測(cè)算法[26]

北方工業(yè)大學(xué)碩士研究生學(xué)位論文5至百層以上。借鑒自然場(chǎng)景分類任務(wù)中DCNN的設(shè)計(jì)思路與算法流程，一些研究人員嘗試將基于DCNN的分類方法應(yīng)用于表面缺陷檢測(cè)。Masci等[26]將DCNN應(yīng)用于鋼鐵表面缺陷的分類，提出一種多尺度金字塔池化網(wǎng)絡(luò)。如圖1-3所示，該網(wǎng)絡(luò)能夠適用不同大小....

圖1-4基于FasterR-CNN網(wǎng)絡(luò)的建筑圖像檢測(cè)[36]

北方工業(yè)大學(xué)碩士研究生學(xué)位論文6圖1-4所示，F(xiàn)asterR-CNN可以在判斷有無損傷及損傷種類的同時(shí)，確定損傷的外接矩形區(qū)域，從而實(shí)現(xiàn)了對(duì)損傷在圖像中的位置和大小信息的提齲類似地，文獻(xiàn)[37],[38]使用基于FasterR-CNN的算法對(duì)衛(wèi)生陶瓷與聚合物偏振器的表面缺陷進(jìn)行檢....

本文編號(hào)：3901698