融入协调注意力的MobileNetV2模型对铝带材表面缺陷识别的研究

作者：徐豫; 李勇; 李贝贝; 余凤智; 任安吉; 李家栋

来源：轻合金加工技术, 2023, 51(01): 23-58.

DOI：10.13979/j.1007-7235.2023.01.005

• 铝带材
• 表面缺陷
• 融入协调注意力
• MobileNetV2模型
• 图像识别
• 深度学习

在高端铝合金板带材生产过程中，准确、快速地识别和分析铝带材表面缺陷是控制带材表面质量的基础，也是现代智能生产过程智能感知的重要基础。针对气垫式连续热处理及表面处理生产线的高端铝合金汽车板、航空板的表面质量缺陷问题，采用融入协调注意力的MobileNetV2模型进行缺陷图像识别，提高模型对铝带材缺陷图像特征提取能力；融入协调注意力的MobileNetV2模型的准确率高达94.97%,准确率比原始MobileNetV2模型高1.34%,效果比肩ResNet50、VGG16模型；融入协调注意力的MobileNetV2模型的参数量仅1.52 MB,远远低于ResNet50、VGG16模型的参数量；该模型对缺陷识别精度高、识别速度快，具有很好的应用价值。

• 单位
  广西南南铝加工有限公司; 东北大学; 轧制技术及连轧自动化国家重点实验室; 广西先进铝加工创新中心有限责任公司