摘要

不锈钢棒材表面的螺纹是棒材磨制过程中造成的缺陷,严重影响棒材的验收与后续使用,目前针对该类缺陷多采用人眼观察、手指感知等人工方式进行判断,漏检率较高,且螺纹缺陷的图像极具多样性,传统的特征提取方法不能很好地表征螺纹,检测率较低,无法满足工业现场的需求。据此,采用深度网络对螺纹进行检测,并建立大型不锈钢棒材图像的螺纹缺陷数据集,采用迁移学习的方法对螺纹图像进行训练,得到分类器。实验结果表明,文章提出的深度学习方法在保持较高检测速度的同时,有效提升了检测螺纹缺陷的正确率。

  • 单位
    常州工学院