【摘要】：將卷積神經(jīng)網(wǎng)絡(luò)(CNN)應(yīng)用于工件缺陷檢測,來檢測工件在生產(chǎn)過程中表面出現(xiàn)的缺陷,以提高工件的生產(chǎn)質(zhì)量。利用CNN可以對工件的圖案進行識別,但識別無法檢測出細微缺陷的問題。在CNN進行工件圖案識別的基礎(chǔ)上,研究一種利用CNN實現(xiàn)缺陷檢測的方法。該方法通過擴充缺陷樣本,利用CNN識別的中間輸出參數(shù),定義了缺陷分辨率的概念來衡量缺陷的程度,當缺陷分辨率達到一定水平時則認為是無缺陷圖案,否則認為其存在缺陷。實驗驗證了提出的CNN工件缺陷檢測方法的有效性,數(shù)據(jù)表明缺陷檢出率可達到93.3%。
[Abstract]:The convolutional neural network (CNN) is applied to detect the defects on the workpiece surface in order to improve the production quality of the workpiece. The pattern of workpiece can be recognized by CNN, but the problem of fine defect can not be detected. Based on the pattern recognition of workpiece by CNN, a method of defect detection using CNN is studied. By extending the defect samples and using the intermediate output parameters identified by CNN, the concept of defect resolution is defined to measure the degree of defect. When the defect resolution reaches a certain level, it is considered as a non-defect pattern. Otherwise, it is considered defective. The effectiveness of the proposed method is verified by experiments, and the data show that the detection rate of defects can reach 93.33%.
【作者單位】： 華中師范大學計算機學院;
【基金】：湖北省自然科學基金項目(2016CFB470)資助
【分類號】：TP183;TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 李莉萍;;新的3D缺陷檢測技術(shù)實現(xiàn)納米級快速檢測[J];計測技術(shù);2013年04期

2 肖慶;楊朝紅;宮云戰(zhàn);;提高靜態(tài)缺陷檢測精度方法[J];計算機輔助設(shè)計與圖形學學報;2010年11期

3 劉皓挺;王巍;史利民;;圖割模型在光纖熔接缺陷檢測中的應(yīng)用[J];紅外與激光工程;2012年11期

4 孫懿;李愛平;胡永;劉源;;基于機器視覺的水果缺陷檢測方法研究[J];軟件導刊;2014年05期

5 李曉慧;張寶峰;朱均超;;基于多光譜柑桔缺陷檢測方法研究[J];天津理工大學學報;2010年04期

6 徐赤;王志平;凌永祥;祝曉春;秦嘉煒;;基于智能視覺系統(tǒng)的飲料瓶缺陷檢測技術(shù)[J];自動化與儀器儀表;2011年05期

7 王詩琴;程耀瑜;師惠萍;劉永林;;基于角點定位的印刷品缺陷檢測[J];傳感器世界;2011年04期

8 李峰峰;袁鵬;吳忻生;;基于圖像處理的片式元件缺陷檢測算法[J];計算機測量與控制;2012年04期

9 趙云山;宮云戰(zhàn);周傲;王前;周虹伯;;靜態(tài)缺陷檢測中的誤報消除技術(shù)研究[J];計算機研究與發(fā)展;2012年09期

10 譚智仁;盧軍;;基于圖像傳感器的標簽缺陷檢測方法[J];組合機床與自動化加工技術(shù);2014年03期

相關(guān)會議論文 前5條

1 李兵;鄧善熙;李煥然;;計算機圖像處理技術(shù)應(yīng)用于晶振元件缺陷檢測[A];首屆信息獲取與處理學術(shù)會議論文集[C];2003年

2 趙漣漪;許寶杰;童亮;;在線玻璃缺陷檢測系統(tǒng)的研究[A];機械動力學理論及其應(yīng)用[C];2011年

3 王國勛;彭怡;寇綱;石勇;;基于MCDM的軟件缺陷檢測算法評估[A];經(jīng)濟全球化與系統(tǒng)工程——中國系統(tǒng)工程學會第16屆學術(shù)年會論文集[C];2010年

4 曾理;劉玲慧;向才兵;;X射線圖像缺陷提取方法研究[A];2010年重慶市機械工程學會學術(shù)年會論文集[C];2010年

5 劉國華;張穎;陳子軍;陳子陽;;改進的CNN搜索算法[A];第二十屆全國數(shù)據(jù)庫學術(shù)會議論文集（技術(shù)報告篇）[C];2003年

相關(guān)重要報紙文章 前1條

1 本報記者 馬佳;調(diào)查CNN“中國黑客”報道[N];北京科技報;2008年

相關(guān)博士學位論文 前10條

1 趙君愛;基于圖像處理的工件表面缺陷檢測理論與方法研究[D];東南大學;2016年

2 劉洪江;基于機器視覺的毛桿缺陷檢測技術(shù)的研究[D];廣東工業(yè)大學;2011年

3 肖慶;提高靜態(tài)缺陷檢測精度的關(guān)鍵技術(shù)研究[D];北京郵電大學;2012年

4 張大林;靜態(tài)缺陷檢測優(yōu)化若干關(guān)鍵技術(shù)研究[D];北京郵電大學;2014年

5 司小書;面向織物缺陷檢測的CUDA并行圖像處理模型與算法研究[D];武漢大學;2011年

6 王慶香;基于小波的紋理分析及其在FPC金面缺陷檢測中的應(yīng)用[D];華南理工大學;2011年

7 明俊峰;羽毛片缺陷檢測若干關(guān)鍵技術(shù)的研究[D];廣東工業(yè)大學;2014年

8 畢昕;面向TFT-LCD制程的Mura缺陷機器視覺檢測方法研究[D];上海交通大學;2009年

9 張昱;基于機器視覺的TFT-LCD屏mura缺陷檢測技術(shù)研究[D];哈爾濱工業(yè)大學;2006年

10 艾矯燕;基于計算機視覺的墻地磚顏色分類和缺陷檢測研究[D];華南理工大學;2003年

相關(guān)碩士學位論文 前10條

1 陳宇;軟包商標印刷缺陷檢測系統(tǒng)研究[D];昆明理工大學;2015年

2 黃文軍;基于機器視覺的印字缺陷檢測系統(tǒng)研究與實現(xiàn)[D];五邑大學;2015年

3 章玲;基于圖像放縮算法的輪胎缺陷檢測系統(tǒng)研究與實現(xiàn)[D];山東大學;2015年

4 劉振東;鋼芯傳送帶缺陷檢測系統(tǒng)中圖像處理算法研究[D];山西大學;2015年

5 胡sズ，

本文編號：2349846