科研之友
微信
新浪微博
Facebook
分享链接
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
