科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对目前大批量的带钢检验工作,提高检验效率以及检验精度是十分重要的。因此本文提出了一种基于自适应中值滤波下的MobileNet带钢缺陷分类。通过对带钢表面缺陷数据集进行自适应中值滤波,在预处理中去除图像噪声后的数据经轻量化卷积神经网络对带钢表面缺陷进行学习。经训练后的网络可以精确的识别并分类常见的带钢表面缺陷其包括夹杂、划痕、压入氧化皮、裂纹、麻点和斑块,其实时监测精度高且效率远远超过人工。在预处理过程中经过了自适应中值滤波后的数据使训练网络精度提高了5.55%训练时间缩短了32s,最后通过对比不同滤波参数下的结果从中选出最适宜的一种。
- 单位
