科研之友
微信
新浪微博
Facebook
分享链接
摘要
工业品表面缺陷检测是工业产品质量评估的关键环节，实现快速、准确、高效的检测对提升工业产能具有重要意义；该研究针对传统神经网络提取特征尺度单一、参数量大，网络训练效率低等问题，提出了一种基于残差网络的多尺度特征融合与RBN结合的残差网络模型；首先该模型通过多尺度卷积特征融合模块提取不同尺度的特征信息；然后，通过引入RBN层，使特征分布更加均匀；最后，采用全局平均池化代替传统的全连接层来减少模型的参数量，实现输出通道与特征类别的直接映射；该研究提出的网络模型在公开数据集NEU-DET上进行实验，识别率达到100%,在天池人工智能大赛铝型材缺陷数据集上的识别率达到98.8%,模型性能较为优异，可以很好地完成工业品表面缺陷检测任务。
- 单位
