基于双线性CNN与DenseBlock的导光板标记线缺陷检测

作者：张家瑜^*; 周迪斌; 魏东亮; 金秉文; 解利军

来源：计算机系统应用, 2020, 29(07): 152-159.

DOI：10.15888/j.cnki.csa.007467

• 深度学习
• DenseNet
• 迁移学习
• Bilinear-CNN

导光板标记线检测是导光板制造品控中的一个重要步骤,但在使用传统图像算法进行检测的过程中,有大量的气泡、严重污染和无标记线的情况存在.因有大量气泡,严重污染和无标记线的情况造成人工特征难以设计,因此,使用基于卷积网络的方法来代替人工特征设计进行缺陷检测. DenseNet卷积神经网络较其他分类神经网络具有参数较少,梯度收敛稳定等特点.因DenseNet卷积神经网络中使用特征融合的思想,保证了图片分类准确率.通过迁移学习的方法,将训练得到的DenseNet网络权重迁移到Bilinear-CNN算法进行训练,提升卷积神经网络局部注意力,提高图像分类准确率.通过实现结果表明,所提方法具有可行性,相比于V2-ResNet-101网络结构,准确率提升至95.53%,参数减少了97.2%,平均单张图像检测时间减少25%.

• 单位
  杭州师范大学; 航天学院; 浙江大学