文献类型：期刊文章

作　　者：陈宗仁[1] 谢文达[1] 余君[1] 胡建华[1] 蒋小波[1]

CHEN Zong-ren;XIE Wen-da;YU Jun;HU Jian-hua;JIANG Xiao-bo

机构地区：[1]广东科学技术职业学院计算机工程技术学院(人工智能学院),珠海519090

出　　处：《制造业自动化》

基　　金：2021年广东省普通高校重点领域专项项目:基于新一代混合云技术构建“智慧云”实训实战平台研究(2021Z DZX1147);2020年广东省普通高校重点领域专项项目:基于深度相机的三维场景重建技术与应用研究(2020Z DZX3094);2019年广东省教育厅青年创新人才类项目:基于深度学习的运动对象视频压缩算法研究与应用(2019GKQNCX043)。

年　　份：2021

卷　　号：43

期　　号：12

起止页码：170-173

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD_E2021_2022、JST、ZGKJHX、核心刊

摘　　要：由于传统方法未对零件图像进行去噪处理,导致表面缺陷检测结果准确性和实时性较差。针对这一问题,提出一种基于深度学习的金属机械零件表面缺陷检测方法。首先,采用中值滤波方法对金属机械零件图像中的脉冲噪声进行检测和滤波处理,然后引入深度学习算法,在提取全连接层特征的同时训练多个级联分类器,通过拟合分类器的输出结果获取目标图像的后验概率,再采用决策权重进行决策级融合,通过融合后的结果设定为缺陷分类结果,从而实现对金属机械零件表面缺陷的检测。实验结果表明:与传统方法相比,该方法具有检测结果的准确率更高、检测用时更少的应用优势。

关 键 词：深度学习  金属机械零件  表面缺陷  缺陷检测  中值滤波

分 类 号：TH164]