典型文献
应用于产品表面缺陷检测的神经网络IBS-Net
文献摘要：
通过将深度学习的两阶段目标检测算法应用于表面缺陷检测中,并依据产品表面缺陷的特性改进网络,提出了IBS-Net算法,实现缺陷的分类识别与定位.IBS-Net改进在于提出了特征相关的非极大抑制方法(FR-NMS)和正样本扩充方法(PSA),依赖特征层间语义关系筛选候选框,将含有局部缺陷信息的候选框作为半正样本以辅助分类任务,体现由部分缺陷推知整体缺陷的思路;其次,利用缺陷之间的互斥性,提出了多类别非极大抑制方法(CR-NMS)应用于后处理阶段,以优化预测结果;此外,利用缺陷之间的重要性差异,改进了表面缺陷检测评估方法.实验结果表明:IBS-Net对13类芯片表面缺陷和6类热轧钢带表面缺陷的检测综合精准度分别达94.8％和89.2％,证明本算法具有良好的有效性和工程应用价值.
文献关键词：
表面缺陷检测;芯片表面缺陷;深度学习;神经网络;非极大抑制;正样本扩充
中图分类号：
作者姓名：
王新宇;蒋三新
作者机构：
上海电力大学电子与信息工程学院,上海 201306
文献出处：
引用格式：
[1]王新宇;蒋三新-.应用于产品表面缺陷检测的神经网络IBS-Net)[J].仪表技术与传感器,2022(11):101-107
A类：
正样本扩充
B类：
表面缺陷检测,IBS,Net,两阶段,目标检测算法,算法应用,进网,分类识别,识别与定位,进在,非极大抑制,抑制方法,FR,NMS,PSA,赖特,语义关系,候选框,局部缺陷,缺陷信息,分类任务,推知,体缺陷,互斥性,多类别,CR,检测评估,芯片表面缺陷,热轧钢带
AB值：
0.327615
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
