吴运雄:基于孪生网络的缺陷检测方法论文

吴运雄:基于孪生网络的缺陷检测方法论文

本文主要研究内容

作者吴运雄(2019)在《基于孪生网络的缺陷检测方法》一文中研究指出:在质量控制中,表面缺陷检测作为一种重要的技术手段保证着生产质量。由于生产需求和生产技术的提升,大多数传统的缺陷检测技术已无法满足生产要求。本文中,提出一种显著性检测和深度学习相结合的产品表面缺陷检测算法。该方法有效率高、检测速度快、通用性强的优点,对于小样本有好的效果,并且有通用快速的优势。本文主要研究目标为产品表面的缺陷检测,传统基于模式的缺陷检测方法周期长,通用性较差。随着深度学习的发展,卷积神经网络开始被应用于检测和分类,由于缺陷样本的稀缺,无法提供大量的数据以供学习训练,并且缺陷产生的未知性导致标签未知。为了解决这些不足,文章使用显著性检测,可以快速将图像中的缺陷检出,但是得到的结果是真实缺陷和伪缺陷的集合,因此需要对真伪缺陷进行分类。由于缺陷的样本稀缺和未知性,本文研究一种相似度判别模型取代传统的分类模型。模型的训练采用对图输入,可以扩大训练集,解决样本稀缺的问题。文章选用孪生卷积网络作为相似度判别模型,卷积神经网络作为其中的映射函数完成图像特征自提取,这种方法能够很好的解决小样本训练的问题,并且弱化了类别标签,无需知道真实缺陷的具体类别。在验证阶段,测试集分为两个部分:涂装和印刷产品表面图像与DAGM2007数据集。将本文的方法与基于模式的方法和基于分类的方法进行比较,测试结果表明了文章方法的检测效果较好。本文提出显著性方法和深度学习相结合的新方法,以涂装产品和印刷产品为测试对象进行研究。该方法思路不仅可以应用到二维图像缺陷检测,可以拓展到三维物体图像的缺陷检测和异常检测的任务。可以作为一种缺陷检测领域的新方法。

Abstract

zai zhi liang kong zhi zhong ,biao mian que xian jian ce zuo wei yi chong chong yao de ji shu shou duan bao zheng zhao sheng chan zhi liang 。you yu sheng chan xu qiu he sheng chan ji shu de di sheng ,da duo shu chuan tong de que xian jian ce ji shu yi mo fa man zu sheng chan yao qiu 。ben wen zhong ,di chu yi chong xian zhe xing jian ce he shen du xue xi xiang jie ge de chan pin biao mian que xian jian ce suan fa 。gai fang fa you xiao lv gao 、jian ce su du kuai 、tong yong xing jiang de you dian ,dui yu xiao yang ben you hao de xiao guo ,bing ju you tong yong kuai su de you shi 。ben wen zhu yao yan jiu mu biao wei chan pin biao mian de que xian jian ce ,chuan tong ji yu mo shi de que xian jian ce fang fa zhou ji chang ,tong yong xing jiao cha 。sui zhao shen du xue xi de fa zhan ,juan ji shen jing wang lao kai shi bei ying yong yu jian ce he fen lei ,you yu que xian yang ben de xi que ,mo fa di gong da liang de shu ju yi gong xue xi xun lian ,bing ju que xian chan sheng de wei zhi xing dao zhi biao qian wei zhi 。wei le jie jue zhe xie bu zu ,wen zhang shi yong xian zhe xing jian ce ,ke yi kuai su jiang tu xiang zhong de que xian jian chu ,dan shi de dao de jie guo shi zhen shi que xian he wei que xian de ji ge ,yin ci xu yao dui zhen wei que xian jin hang fen lei 。you yu que xian de yang ben xi que he wei zhi xing ,ben wen yan jiu yi chong xiang shi du pan bie mo xing qu dai chuan tong de fen lei mo xing 。mo xing de xun lian cai yong dui tu shu ru ,ke yi kuo da xun lian ji ,jie jue yang ben xi que de wen ti 。wen zhang shua yong luan sheng juan ji wang lao zuo wei xiang shi du pan bie mo xing ,juan ji shen jing wang lao zuo wei ji zhong de ying she han shu wan cheng tu xiang te zheng zi di qu ,zhe chong fang fa neng gou hen hao de jie jue xiao yang ben xun lian de wen ti ,bing ju ruo hua le lei bie biao qian ,mo xu zhi dao zhen shi que xian de ju ti lei bie 。zai yan zheng jie duan ,ce shi ji fen wei liang ge bu fen :tu zhuang he yin shua chan pin biao mian tu xiang yu DAGM2007shu ju ji 。jiang ben wen de fang fa yu ji yu mo shi de fang fa he ji yu fen lei de fang fa jin hang bi jiao ,ce shi jie guo biao ming le wen zhang fang fa de jian ce xiao guo jiao hao 。ben wen di chu xian zhe xing fang fa he shen du xue xi xiang jie ge de xin fang fa ,yi tu zhuang chan pin he yin shua chan pin wei ce shi dui xiang jin hang yan jiu 。gai fang fa sai lu bu jin ke yi ying yong dao er wei tu xiang que xian jian ce ,ke yi ta zhan dao san wei wu ti tu xiang de que xian jian ce he yi chang jian ce de ren wu 。ke yi zuo wei yi chong que xian jian ce ling yu de xin fang fa 。

论文参考文献

  • [1].基于深度学习的工业品不规则缺陷检测研究[D]. 程康.浙江工业大学2019
  • [2].基于数字图像处理的薄膜涂层缺陷检测软件设计与实现[D]. 刘鹏.黑龙江大学2018
  • [3].基于机器视觉的乳液泵缺陷检测方法研究[D]. 马浩鹏.电子科技大学2019
  • [4].HCI-A3型PCB板缺陷检测系统设计与实现[D]. 鹿亚琴.电子科技大学2019
  • [5].基于机器视觉的FPC缺陷检测的方法研究及其系统实现[D]. 洪专婷.电子科技大学2019
  • [6].基于机器视觉的颗粒物缺陷检测[D]. 李夏霖.电子科技大学2019
  • [7].电磁层析成像在高速列车刹车盘缺陷检测中的应用研究[D]. 武建利.北京交通大学2019
  • [8].智能机翼缺陷检测系统的设计与实现[D]. 韦小杰.北京交通大学2019
  • [9].基于SVM和HOG的车辆零件缺陷检测的研究[D]. 吴锭金.辽宁科技大学2019
  • [10].OLED显示屏缺陷检测算法的研究与实现[D]. 欧阳韬.上海交通大学2018
  • 读者推荐
  • [1].基于深度学习的纹理表面缺陷视觉检测算法研究与应用[D]. 陈逸凡.华中科技大学2019
  • [2].基于深度学习的多视角步态识别算法研究[D]. 池凌云.电子科技大学2019
  • [3].基于绝缘子图像的缺陷检测方法研究[D]. 王梦.华中科技大学2019
  • [4].基于深度学习的步态识别方法研究[D]. 胡阿敏.西安科技大学2019
  • [5].基于机器视觉的颗粒物缺陷检测[D]. 李夏霖.电子科技大学2019
  • [6].基于深度学习的金属轴表面缺陷检测与分类研究[D]. 蔡超鹏.浙江工业大学2019
  • [7].基于机器视觉的印刷品表面缺陷检测研究[D]. 吕明珠.西安理工大学2019
  • [8].基于深度学习的焊缝缺陷自动检测研究与实现[D]. 渠慧帆.北京邮电大学2019
  • [9].基于深度学习的涂布缺陷检测技术研究[D]. 李自明.西安理工大学2019
  • [10].基于深度学习的汽车轮毂表面缺陷在线检测算法[D]. 韩凯.北京邮电大学2019
  • 论文详细介绍

    论文作者分别是来自华中科技大学的吴运雄,发表于刊物华中科技大学2019-10-11论文,是一篇关于质量控制论文,小样本论文,孪生网络论文,缺陷检测论文,卷积神经网络论文,华中科技大学2019-10-11论文的文章。本文可供学术参考使用,各位学者可以免费参考阅读下载,文章观点不代表本站观点,资料来自华中科技大学2019-10-11论文网站,若本站收录的文献无意侵犯了您的著作版权,请联系我们删除。

    标签:;  ;  ;  ;  ;  ;  

    吴运雄:基于孪生网络的缺陷检测方法论文
    下载Doc文档

    猜你喜欢