基于深度神经网络的粗糙度分类检测

作者：王帅; 易怀安; 陈永伦; 焦彦铭; 牛依伦

来源：机床与液压, 2023, 51(06): 7-11.

DOI：10.3969/j.issn.1001-3881.2023.06.002

• 机器视觉
• 表面粗糙度
• 分类检测
• 鲁棒性

现有的机器视觉测量表面粗糙度的方法依赖于特征提取来量化表面形态并建立预测模型，并且图片样本采集时高度依赖光源环境和拍摄角度。提出利用Swin-Transformer模型直接从表面纹理的数字图像中评估表面粗糙度并进行分类，避免了特征提取。实验中采用了不同的光源亮度和不同的角度进行拍摄，旨在模拟工业生产在线检测的环境。实验分类结果表明该方法对光源和拍摄角度具有良好的鲁棒性，测试集样本准确率可达97.54%。

• 单位
  桂林理工大学