公开(公告)号：CN115631186B

公开(公告)日：2023-10-03

申请号：CN202211393023.4

申请日：2022-11-08

Applicant: 哈尔滨工业大学

Inventor： 杨宪强 ,  田中华 ,  高会军

IPC: G06T7/00 ,  G06T3/40 ,  G06V10/82 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 一种基于双分支神经网络的工业元件表面缺陷检测方法，涉及缺陷检测技术领域。本发明是为了解决工业元件表面缺陷检测任务所面临的图像分辨率高、缺陷面积小、缺陷样本数量少、现有算法适应能力弱的问题。本发明包括：获取待预测的工业元件图像，将待预测的工业元件图像输入到表面缺陷检测网络中获得缺陷检测结果；表面缺陷检测网络，通过以下方式获得：构建工业元件表面缺陷分类数据集；对缺陷分类数据集增广，增广结果作为训练集；构建双分支深度卷积神经网络，利用训练集训练双分支深度卷积神经网络获得表面缺陷检测网络。本发明用于检测工业元件的表面缺陷。

公开(公告)号：CN115631186A

公开(公告)日：2023-01-20

申请号：CN202211393023.4

申请日：2022-11-08

Applicant: 哈尔滨工业大学

Inventor： 杨宪强 ,  田中华 ,  高会军

IPC: G06T7/00 ,  G06T3/40 ,  G06V10/82 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 一种基于双分支神经网络的工业元件表面缺陷检测方法，涉及缺陷检测技术领域。本发明是为了解决工业元件表面缺陷检测任务所面临的图像分辨率高、缺陷面积小、缺陷样本数量少、现有算法适应能力弱的问题。本发明包括：获取待预测的工业元件图像，将待预测的工业元件图像输入到表面缺陷检测网络中获得缺陷检测结果；表面缺陷检测网络，通过以下方式获得：构建工业元件表面缺陷分类数据集；对缺陷分类数据集增广，增广结果作为训练集；构建双分支深度卷积神经网络，利用训练集训练双分支深度卷积神经网络获得表面缺陷检测网络。本发明用于检测工业元件的表面缺陷。