基于U-Net卷积神经网络的轮毂缺陷分割

作者：郭瑞琦; 王明泉; 张俊生; 张曼; 张馨心

来源：自动化与仪表, 2020, 35(04): 43-47.

DOI：10.19557/j.cnki.1001-9944.2020.04.010

• 轮毂缺陷分割
• 自动分割
• 深度学习
• 神经网络

为实现轮毂缺陷检测自动化,该文依据轮毂X射线图像,提出一种基于U-Net卷积神经网络的自动分割的改进方法。将原始U-Net模型的最大池化操作替换为卷积操作,并加入Dropout层对网络进行优化,提升模型可靠性。同时对带有缺陷的轮毂图像做数据预处理,用于训练改进的U-Net模型。结果表明,该网络在复杂轮毂X射线图像的缺陷识别中表现良好,DICE系数为0.8554,SSIM系数为0.9655,识别速度达到3 ms/张;该方法能较好地实现轮毂射线图像缺陷的自动分割,满足无损检测的自动化需要。

• 单位
  中北大学