-
题名基于自适应全局定位算法的带钢表面缺陷检测
- 1
-
-
作者
王延舒
余建波
-
机构
同济大学机械与能源工程学院
-
出处
《自动化学报》
EI
CAS
CSCD
北大核心
2024年第8期1550-1564,共15页
-
基金
国家重点研发计划(2022YFF0605700)
国家自然科学基金(92167107)
中央高校基本业务经费项目(22120220575)资助。
-
文摘
针对热轧带钢表面缺陷检测存在的智能化水平低、检测精度低和检测速度慢等问题,提出了一种基于自适应全局定位网络(Adaptive global localization network,AGLNet)的深度学习缺陷检测算法.首先,引入一种残差网络(Residual network,ResNet)与特征金字塔网络(Feature pyramid network,FPN)集成的特征提取结构,减少缺陷语义信息在层级传递间的消失;其次,提出基于TPE(Tree-structure Parzen estimation)的自适应树型候选框提取网络(Adaptive treestructure region proposal extraction network,AT-RPN),无需先验知识的积累,避免了人为调参的训练模式;最后,引入全局定位回归算法,以全局定位的模式在复杂的缺陷检测中实现缺陷更精确定位.本文实现一种快速、准确、更智能化、更适用于实际应用的热轧带钢表面缺陷的算法.实验结果表明,AGLNet在NEU-DET热轧带钢表面缺陷数据集上的检测速度保持在11.8帧/s,平均精度达到79.90%,优于目前其他深度学习带钢表面缺陷检测算法.另外,该算法还具备较强的泛化能力.
-
关键词
表面缺陷检测
深度学习
特征金字塔网络
自适应树型候选框提取
全局定位
-
Keywords
Surface defects detection
deep learning
feature pyramid network(FPN)
adaptive tree-structure region proposal extraction
global localization
-
分类号
TG142.1
[一般工业技术—材料科学与工程]
TP391.41
[金属学及工艺—金属材料]
-
