-
题名基于深度学习的人造板表面缺陷检测研究
被引量：18
- 1
-
-
作者
魏智锋
肖书浩
蒋国璋
伍世虔
程国飞
-
机构
武汉科技大学机械自动化学院冶金装备及其控制教育部重点实验室
武昌首义学院机械与自动化学院
中山火炬职业技术学院
-
出处
《林产工业》
北大核心
2021年第2期21-26,共6页
-
基金
基于机器视觉的人造板非平面缺陷检测(51874217)
广东省普通高校青年创新人才类项目(2018GkQNCX049)
+1 种基金
中山市社会公益科技研究项目(2018B1113)
国家自然科学基金(31670561)。
-
文摘
缺陷识别是人造板检测的重要环节,目前大多采用人工检测方法。将一种轻量级的深层神经网络MobileNet与SSD算法结合,使用Inception网络附加到多个特征映射上,构建SSD-MobileNet算法模型用于人造板的缺陷检测,以提高区分不同缺陷的能力。从人造板工厂生产现场获取主要包括粗刨花、水印、砂痕、杂物、胶斑5种缺陷类型的表面缺陷图,制成一个包含3216张人造板表面缺陷图像的数据集。利用该数据集对SSD-MoblieNet模型进行训练、测试,并与其他特征提取网络(ResNet18、VoVNet39、ESPNetV2)的检测精度和检测速度的影响结果进行对比,发现其检测速度最快达到75帧/s,相对其他特征提取网络的平均精度均值提升2.26%~3.52%。该研究为实现人造板表面实时在线检测提供良好的技术支撑。
-
关键词
人造板
表面缺陷
SSD-MobileNet
卷积神经网络
深度学习
检测
-
Keywords
Wood-based panels
Surface defects
SSD-MobileNet
Convolutional neural network
Deep learning
Defect detection
-
分类号
TS653
[轻工技术与工程]
-
-
题名液压振动台的计算机控制
- 2
-
-
作者
魏智锋
徐德民
-
出处
《机床与液压》
北大核心
1989年第3期11-17,共7页
-
文摘
本文介绍了液压振动台的计算机控制,其控制形式为恒功率和恒激振力控制。
-
关键词
振动台
液压
计算机控制
-
分类号
TB534.2
[理学—声学]
-
