科研之友
微信
新浪微博
Facebook
分享链接
摘要
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1 800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陷，适合采用机器识别算法进行检测。
- 单位
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1 800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陷，适合采用机器识别算法进行检测。
