由于CNN强大的特征提取能力,采用基于CNN的分类网络目前已成为表面缺陷分类中的模式一般来说,现
有表面缺陷分类的网络常常采用计算机视觉中现成的网络结构,包括AlexNet, VGG, GoogL eNet,ResNet,
SENet, ShuteNet,MobileNet等。利用分类网络结合上滑动窗口的方式可以实现缺陷的定位。
Deep learning-based crack damage detection using convolutional neural networks
检测对象:钢表面缺陷
主要方法:基于Faster R-CNN的带钢表面缺陷检测网络,该网络的改进在于提出的多级特征融合网络( MFN )
将多个分层特征组合成一个特征 ,可以包括缺陷的更多位置细节。基于这些多级特征,采用区域提议网络
( RPN )生成感兴趣区域( ROI ) .在缺陷检测数据集NEU-DET.上,提出的方法在采用ResNet-50的
backbone'下实现了82.3%的mAP。
以上信息由专业从事双摄像头缺陷检测的宣雄于2024/7/17 9:45:51发布
转载请注明来源:http://m.tz1288.com/qynews/szxxznlj-2787251380.html