公开(公告)号：CN112419237B

公开(公告)日：2023-06-30

申请号：CN202011207450.X

申请日：2020-11-03

Applicant: 中国计量大学

Inventor： 胡晓峰 ,  王芷微 ,  郭斌 ,  范伟军 ,  罗哉 ,  江文松 ,  陆艺 ,  王学影

IPC: G06T7/00 ,  G06T7/13 ,  G06T7/136 ,  G06V10/774 ,  G06V10/764 ,  G06V10/25 ,  G06V10/82 ,  G06N3/0464 ,  G01N21/88

Abstract: 本发明公开了一种基于深度学习的离合主缸凹槽表面缺陷检测方法，将深度学习和缺陷识别结合实现了高精度高效率的自动检测；采用多尺度特征融合金字塔网络实现更准确地提取缺陷特征，并进行自主学习；采用单目标的FCOS卷积神经网络作为检测网络模型，不依赖于锚框和特征候选区域，简化网络模型，加快网络训练速度；实验结果表明本文提出的基于深度学习的缺陷检测算法效果优于传统人工检测方法和机器视觉检测方法，达到了工业生产线上离合主缸内槽缺陷检测的时间要求和精度，能够快速、准确的对离合主缸内槽在生产过程中产生的缺陷进行检测，提高工厂的生产效率，具有实用意义。

公开(公告)号：CN112419237A

公开(公告)日：2021-02-26

申请号：CN202011207450.X

申请日：2020-11-03

Applicant: 中国计量大学

Inventor： 胡晓峰 ,  王芷微 ,  郭斌 ,  范伟军 ,  罗哉 ,  江文松 ,  陆艺 ,  王学影

IPC: G06T7/00 ,  G06T7/13 ,  G06T7/136 ,  G06K9/62 ,  G06K9/32 ,  G06N3/04 ,  G01N21/88

Abstract: 本发明公开了一种基于深度学习的离合主缸凹槽表面缺陷检测方法，将深度学习和缺陷识别结合实现了高精度高效率的自动检测；采用多尺度特征融合金字塔网络实现更准确地提取缺陷特征，并进行自主学习；采用单目标的FCOS卷积神经网络作为检测网络模型，不依赖于锚框和特征候选区域，简化网络模型，加快网络训练速度；实验结果表明本文提出的基于深度学习的缺陷检测算法效果优于传统人工检测方法和机器视觉检测方法，达到了工业生产线上离合主缸内槽缺陷检测的时间要求和精度，能够快速、准确的对离合主缸内槽在生产过程中产生的缺陷进行检测，提高工厂的生产效率，具有实用意义。