基于卷积神经网络的带钢表面缺陷图像检测算法OA北大核心CSTPCD
Image Detection Algorithm of Strip Steel Surface Defects Based on Convolution Neural Network
为解决带钢生产过程中产品表面缺陷自动检测问题,通过分析不同类型视觉检测算法特点,选取Faster-RCNN、YOLOv4和CenterNet 3种算法,采用Python语言实现3种算法设计并应用于带钢表面缺陷检测中.通过对带钢表面6种典型缺陷1800张图像进行训练和测试,YOLOv4和Faster-RCNN算法的识别精度达70％以上,在带钢实际生产过程中具有较高应用价值.实验对比不同缺陷的识别精度,对于斑块、划痕、麻点、夹杂等边缘清晰对比度高的缺…查看全部>>
杜孟新;毕玉;杜鹏昊
机械工业仪器仪表综合技术经济研究所,北京 100055北京工商大学,北京 100048机械工业仪器仪表综合技术经济研究所,北京 100055
信息技术与安全科学
带钢生产图像识别卷积神经网络Faster-RCNNYOLOv4CenterNet
《火力与指挥控制》 2022 (8)
132-135,4
国家重点研发计划重大专项科技创新2030-"新一代人工智能"重大资助项目(2018AAA0101801)
评论