基于深度学习的瑕疵检测软件设计与实现

作者：赵小华

来源：自动化与仪器仪表, 2022, (10): 27-37.

DOI：10.14016/j.cnki.1001-9227.2022.10.027

• 深度学习
• 瑕疵检测
• 软件设计
• DenseNet-SSD
• 网络训练

针对传统瑕疵检测软件对瑕疵识别定位准确率低的问题，设计一个基于改进DenseNet-SSD的瑕疵检测系统。在DenseNet卷积神经网络和SSD目标检测框的基础上，分别加入可变形卷积和Focal Loss机制，得到改进的DenseNet-SSD模型；将此模型应用到瑕疵检测系统进行瑕疵检测测试。应用结果表明，对比于VGG16-SSD和Faster RCNN,本方法的平均检测精度高达93.53%,具备更好的检测性能。对比于原始的DenseNet-SSD,本方法的mAP提高了7.78%,且本方法的IOU仅为0.718,各类瑕疵检测精度的标准差为2.513 9。由此说明，设计的软件具备精准的瑕疵定位能力，能够有效识别各类瑕疵。

• 单位
  咸阳职业技术学院