文献类型：期刊文章

作　　者：顾佳晨[1] 高雷[1] 刘路璐[1]

GU Jia-chen;GAO Lei;LIU Lu-lu(Information Department,Beijing Shougang Automation&Infonnation Technology Co.,Ltd.,Beijing 100041,China)

机构地区：[1]北京首钢自动化信息技术有限公司信息事业部

出　　处：《冶金自动化》

年　　份：2019

卷　　号：43

期　　号：6

起止页码：19-22

语　　种：中文

收录情况：AJ、CSA、CSA-PROQEUST、IC、INSPEC、RCCSE、普通刊

摘　　要：机器视觉技术在工业产品表面缺陷检测领域的应用越来越广泛,但也面临诸多挑战。冷轧带钢表面缺陷具有种类多、形态复杂多变、特征差别大等特点,传统的基于图像处理和机器学习技术的检测方法对于不同缺陷需要分别提取特征并建立模型,影响了模型的使用效果和准确率的提升。本文利用基于深度学习的目标检测算法Faster R-CNN建立冷轧钢板表面缺陷的检测和识别模型,针对10大类冷轧镀锌主要缺陷,模型在验证集上准确率平均达到了93%。

关 键 词：卷积神经网络 深度学习  冷轧带钢 表面缺陷  机器视觉 目标检测

分 类 号：TG3]