文献类型：期刊文章

作　　者：蔡剑锋[1] 柏俊杰[1] 向洪成[1] 胡林[1] 周涛琪[1] 高帅[1]

CAI Jianfeng;BAI Junjie;XIANG Hongcheng;HU Lin;ZHOU Taoqi;GAO Shuai(School of Electrical Engineering,Chongqing University of Science and Technology,Chongqing 401331,China)

机构地区：[1]重庆科技学院电气工程学院,重庆401331

出　　处：《安阳工学院学报》

基　　金：中国高校产学研创新基金“异构智能计算项目”(2020HY06001)。

年　　份：2022

卷　　号：21

期　　号：6

起止页码：40-44

语　　种：中文

收录情况：NSSD、普通刊

摘　　要：由于真实工业场景下的部分工业缺陷太少,导致深度学习应用在表面缺陷检测困难。针对金属板材表面缺陷检测的真实工业环境中所存在的小样本问题,本文提出了异域数据联邦检测模型,采用轻量级网络MobileNet-YOLOv3,有效利用不同领域的划痕数据,分场景训练检测模型。实验结果表明,通过异域数据结合训练的检测模型拥有一个很好的划痕检测效果,金属板训练的本地模型的mAP为94.95%,比传统数据增广方法训练模型mAP高5%,比YOLOv3的推理速度减少44.8%。

关 键 词：小样本问题 异域数据  划痕检测  

分 类 号：TP391]