科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对人工检测热轧钢带表面缺陷错漏率高的现状,提出基于深度学习的热轧钢带表面缺陷检测方法。根据检测精度和速度的要求,采用深度学习SSD网络作为改进算法框架,并利用交叉特征融合的方法增强低层特征图的语义信息,从而提高热轧钢带表面缺陷的识别率。实验表明:改进后的CroSSD网络对热轧钢带表面小尺寸缺陷检测的m AP值达到73.7,速度达到40帧/s,相比SSD网络有更好的效果,且满足实时检测的需求。
- 单位
针对人工检测热轧钢带表面缺陷错漏率高的现状,提出基于深度学习的热轧钢带表面缺陷检测方法。根据检测精度和速度的要求,采用深度学习SSD网络作为改进算法框架,并利用交叉特征融合的方法增强低层特征图的语义信息,从而提高热轧钢带表面缺陷的识别率。实验表明:改进后的CroSSD网络对热轧钢带表面小尺寸缺陷检测的m AP值达到73.7,速度达到40帧/s,相比SSD网络有更好的效果,且满足实时检测的需求。
