-
题名基于二值化赋范梯度的中厚板表面缺陷检测
被引量：7
- 1
-
-
作者
梁颖
詹光曹
徐科
-
机构
北京科技大学钢铁共性技术协同创新中心
福建三钢闽光股份有限公司中板厂
-
出处
《表面技术》
EI
CAS
CSCD
北大核心
2019年第10期336-341,共6页
-
基金
“十三五”国家重点研发计划课题(2018YFB0704304)
国家自然科学基金项目(51674031)~~
-
文摘
目的针对中厚板表面复杂、缺陷识别率低的问题,设计一种有效的候选窗口提取方法,提升中厚板表面缺陷检测的准确性与实时性。方法引入视觉选择性注意机制,采用一种基于二值化赋范梯度特征(Binarized Normed Gradients,BING)的一般对象估计算法来快速准确地提取缺陷感兴趣区域(Region of Interest,ROI),有效缩短搜寻过程。首先将样本归一化到8×8大小,提取规范化梯度特征(Normed Gradients,NG),学习一个测量显著性的线性SVM分类器来预测图像窗口含有缺陷的可能性。然后再通过样本尺度优化显著性评分,学习一个校准显著评分的线性SVM分类器。最后将两个SVM模型级联,用于在线检测,提取缺陷感兴趣区域。结果将训练好的BING模型与Inception-V3卷积神经网络相结合,用于中厚板表面缺陷检测与识别,BING算法有效减少了ROI数量,在ROI数量为500的情况下,达到了98.2%的召回率。结论在保证缺陷召回率的前提下,BING生成的ROI数量比滑动窗口遍历方式少2个数量级,有效减少了后续识别算法的计算量,有利于引入复杂的分类器提升中厚板表面缺陷识别的准确率。
-
关键词
中厚板
缺陷检测
二值化赋范梯度(BING)
roi提取
规范化梯度(NG)
线性SVM
-
Keywords
medium plates
defect detection
Binarized Normed Gradients(BING)
extraction of roi
Normed Gradients(NG)
linear SVM
-
分类号
TG142.71
[一般工业技术—材料科学与工程]
-
-
题名基于迭代算法的CT肺部兴趣区图像提取
- 2
-
-
作者
李玲
余后强
-
机构
湖北科技学院生物医学工程学院
湖北科技学院数学与统计学院
-
出处
《中国医疗设备》
2015年第1期58-59,共2页
-
基金
校级科研项目(KY13087)
-
文摘
目的自动提取CT肺部兴趣区,以辅助医生诊断和治疗肺部疾病。方法利用迭代算法自动提取肺部兴趣区,并和影像医生手工提取的肺部兴趣区作对比。结果自动提取的肺部兴趣区图像与手工提取的肺部兴趣区图像在外形、灰度和方差方面,结果非常接近。结论利用迭代算法自动提取肺部兴趣区的方法可行。
-
关键词
CT图像
迭代算法
肺部兴趣区
兴趣区提取
-
Keywords
CT image
iterative algorithm
lung roi
extraction of roi
-
分类号
R734.2
[医药卫生—肿瘤]
R814.42
[医药卫生—临床医学]
-
