改进卷积神经网络在工件表面缺陷检测中的应用

作者：桑宏强; 刘雨轩; 刘芬^*

来源：组合机床与自动化加工技术, 2020, (08): 43-47.

DOI：10.13462/j.cnki.mmtamt.2020.08.011

• CNN
• AdaBoost-SVM
• 表面缺陷
• 缺陷检测
• 级联分类器

文章针对传统缺陷检测方法的效率低、易于误检等局限性,结合深度学习算法,提出了一种改进的卷积神经网络(CNN)模型应用于工件表面缺陷检测。在所提出的模型中,将CNN的分类器进行改进,使用AdaBoost构建AdaBoost-SVM级联分类器,其中SVM用作AdaBoost的弱分类器,训练后使得多个弱分类器组合成一个级联强分类器,可以大幅度的提高检测准确率,并进行了实验研究,实验结果表明模型的检测准确率达到97.4%。

• 单位
  天津工业大学