基于深度学习的工件表面缺陷检测方法研究

来源 :天津工业大学 | 被引量 : 1次 | 上传用户:dfhdgfhdgf
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
工件表面质量的严格检验一直以来都是工件生产过程中不可或缺的一个环节,在实际生产过程中,表面缺陷检测仍多借助于传统人工目视检测方法,但是该方法存在检测率低、成本高和速度慢等缺点。因此,为了获得良好表面质量的工件产品,需要对表面缺陷进行高效、高精度的检测和识别。近几年来,计算机技术的迅速发展使得深度学习在工业检测上的应用越来越多,企业希望通过该技术,对自动化产线上的工件产品进行质量检测,并且逐渐替代人工目视检测,本文针对工件表面质量检测的需求,提出了基于深度学习的工件表面缺陷检测算法,论文的主要研究内容如下:首先,铣床加工的金属表面工件存在缺陷区域与背景分离不明显的特点,传统缺陷检测算法存在局限性,针对传统缺陷检测算法的缺点,提出了基于全卷积神经网络与形态学滤波算法应用于工件表面缺陷检测,该算法结合了形态学滤波的开闭运算,减少了局部噪声,填补内部细小孔洞,优化了经过全卷积神经网络初次分割后的图像,有效的实现缺陷检测。其次,在检测工件表面是否存在缺陷之后,为了便于后续的加工处理,需要对缺陷类型进行分类,在研究卷积神经网络方法的基础上,提出了改进的卷积神经网络,用来解决传统卷积神经网络用于工件表面缺陷分类时,准确率不高的问题。再次,针对已有的工件表面缺陷分类算法准确率较低的问题,提出一种基于卷积神经网络的多级联分类器决策级融合算法,该算法对第三层全连接层特征和方向梯度直方图与局部二值模式提取的第二层全连接层特征同时训练多个级联分类器,将全部级联分类器的输出结果拟合到目标类别的后验概率,并使用决策权重执行决策级融合,使用决策级融合后的结果作为新的缺陷分类结果。最后,设计了工件表面缺陷检测系统用于验证所提出算法的有效性,结果表明:所设计的系统能够完成工件表面缺陷检测要求,所提出的算法能够有效的检测工件表面缺陷。
其他文献
21世纪是我国实现农业现代化的关键时期,而农业推广专业研究生培养则是实现此目标所需人才资源的重要保障。要保证其输出的农业推广人才质量,农业推广专业研究生教育质量管理
研究目的:检测Eps8、E-cadherin和Vimentin在不同宫颈组织中的表达,初步探究Eps8与宫颈癌进展及上皮间质转化(EMT)的关系;干扰宫颈癌细胞中Eps8的表达,检测宫颈癌细胞中EMT相
这项研究主要关注老挝人民民主共和国(老挝人民民主共和国)的知识产权法与世界贸易组织法(WTO法)之间的矛盾,因为老挝政府承诺加入世贸组织。论文共分四章。第一章介绍了WTO的初步内容,该论文将讨论研究者在研究过程中应用的背景信息和方法的重要性。第二章探讨了老挝国内法与WTO承诺不一致的一般概念和方法以及理论概念。本章研究人员对老挝人民民主共和国在WTO提出的承诺表明,上述两者之间的规定不一致。第三章
随着智能终端设备的日益普及,人们能很方便地利用智能终端设备,通过Wi-Fi来连接互联网。为了克服单个无线路由器(AP,Access Point)覆盖范围有限的问题,采用多个AP联合布网,使
无刷直流电机(Brushless DC Motor,BLDCM)是通过电子换相取代机械换相的直流电机,它具有较广的调速范围和较高的效率。这些优良特性让无刷直流电机的使用越来越广泛,但是随着
随着社会的进步、新材料与技术的开发,居民的生活水平逐步提升,私家车的数量增长迅速,因酒驾而引起的重大交通事故也呈增长趋势,因此,对酒驾的监控受到人们的重视,迫切需要一
创新驱动发展战略是党中央、国务院做出的重大战略决策,实施创新驱动是国家经济发展的必由之路。知识产权保护对创新驱动发展既有积极作用,又有消极作用,二者关系紧密,而高校
修复具有复杂结构信息和丰富纹理信息的大破损区域的图像是目前图像修复领域研究的重点和难点。传统的基于样本块的图像修复算法主要采用规则的模板块和匹配块进行补全,没有充分利用图像结构或纹理的不规则信息,尤其是局部不规则性,从而影响算法修复的精度和效率。针对这一问题,本研究提出了基于不规则块的图像修复算法。具体工作如下:(1)本文提出的基于不规则块的图像修复该算法中,首先利用结构稀疏度来区分图像的结构信息
与线性系统相比,非线性系统可将所研究系统的本质特征更加精确地刻画出来.所以非线性系统的控制设计一直是控制理论领域中的研究焦点和难点,广泛应用于机器人系统、电力系统
近几年来,随着计算机技术和图形硬件的崛起,尤其是虚拟现实技术的快速发展,三维图形学技术得到了质的飞跃,已经广泛应用于工业仿真、军事、医学和游戏等领域。目前,以虚拟现实技术为基础的虚拟开发系统的研究格外引人注目,在纵多高校和企业的推动下迅速走向成熟。然而,这些系统结构复杂、不易拓展,很难嵌入到其它系统中使用,并缺乏对虚拟设备模型的定义。现代设备规模日益庞大、结构复杂,对设备的学习成本、学习难度提出了