科研之友
微信
新浪微博
Facebook
分享链接
摘要
通过将深度学习的两阶段目标检测算法应用于表面缺陷检测中，并依据产品表面缺陷的特性改进网络，提出了IBS-Net算法，实现缺陷的分类识别与定位。IBS-Net改进在于提出了特征相关的非极大抑制方法(FR-NMS)和正样本扩充方法(PSA),依赖特征层间语义关系筛选候选框，将含有局部缺陷信息的候选框作为半正样本以辅助分类任务，体现由部分缺陷推知整体缺陷的思路；其次，利用缺陷之间的互斥性，提出了多类别非极大抑制方法(CR-NMS)应用于后处理阶段，以优化预测结果；此外，利用缺陷之间的重要性差异，改进了表面缺陷检测评估方法。实验结果表明：IBS-Net对13类芯片表面缺陷和6类热轧钢带表面缺陷的检测综合精准度分别达94.8%和89.2%,证明本算法具有良好的有效性和工程应用价值。
- 单位
