基于改进领域对抗网络的瓷砖表面缺陷检测

作者：林行; 陈新度^*; 吴磊; 练洋奇

来源：电子测量技术, 2022, 45(24): 105-110.

DOI：10.19651/j.cnki.emt.2210111

• 瓷砖缺陷检测
• 深度学习
• 迁移学习
• 领域自适应神经网络(DANN)

深度神经网络作为主流的表面缺陷检测方法之一，需要大量样本进行模型训练，而随着瓷砖产品多样化，同类型瓷砖缺陷样本有限。本文提出一种基于改进域对抗神经网络(MDANN)的瓷砖表面缺陷检测方法，参考传统的DANN结构，首先，在ImageNet公共数据集上预训练保存网络参数，提高训练速度；然后，在原网络中加入瓶颈层，并利用最大均值差异指标优化领域分布差异，改善了原DANN网络筛选源域的能力，实现小样本瓷砖的缺陷检测。实验结果表明，MDANN对瓷砖表面缺陷的有效检出率达98.77%,相比于原DANN网络提高了3.53%,可快速适用于不同类型的瓷砖检测，泛化性好。

• 单位
  广东工业大学