基于深度学习的带钢表面缺陷检测在小样本数据集的应用

作者：沈春光; 李虎威; 荆涛; 王晨充; 徐伟

来源：轧钢, 2022, 39(02): 82-86.

DOI：10.13228/j.boyuan.issn1003-9996.20220214

• 人工智能
• 深度学习
• 带钢
• 表面缺陷检测
• 小样本
• SSD网络

随着人工智能技术的发展，深度学习已经逐步应用于带钢表面缺陷检测，但是模型训练所需的海量样本及其标注极大地增加了工作量，限制了其广泛应用。将SSD深度学习网络应用至带钢常见缺陷的识别，经过系统的参数优化过程，最终仅在包含1 022个训练样本的小数据集下成功建立了高精度缺陷检测模型，并取得了87.8%的缺陷识别精度。同时，该模型对通卷带钢采集图像检测耗时不足20 s,具有较高的检测效率，为其后续工业推广应用奠定了基础。

• 单位
  东北大学; 轧制技术及连轧自动化国家重点实验室