典型文献
基于改进残差网络的多视图焊点缺陷检测
文献摘要：
基于卷积神经网络的单视图检测不能有效识别三维形状的缺陷目标,导致在实际应用中,往往是通过只检测某一最具代表性的视图或者依次检测每个面来实现低精度的检测要求,这带来了较大的时间成本和使用限制.针对这一问题,提出了改进的残差网络(ResNet),并将其应用于三维形状的焊点缺陷检测.该模型首先会一次性获取焊点的所有视图图像,再通过特征聚合和自适应学习模块,最终获得检测结果.多视图焊点数据集来自高频电感元件,在所提出方法的识别精度达到了99.48％.结果表明,改进的残差网络在同等网络层数的情况下有效提升了图像识别精度;对比单视图检测,多视图检测结构仅以较少的时间代价获得了较大的精度提升,能有效完成实际工业生产中的三维形状缺陷目标的检测任务.
文献关键词：
缺陷检测;多视图;特征融合;焊点;卷积神经网络
中图分类号：
作者姓名：
邓智超;颜润明;杨蕙同;陈浩林;赖锦祥;雷亮
作者机构：
广东工业大学, 广州, 510006
文献出处：
引用格式：
[1]邓智超;颜润明;杨蕙同;陈浩林;赖锦祥;雷亮-.基于改进残差网络的多视图焊点缺陷检测)[J].焊接学报,2022(03):56-62
A类：
B类：
残差网络,多视图,焊点缺陷,缺陷检测,单视图,低精度,检测要求,时间成本,ResNet,先会,图图,特征聚合,自适应学习,学习模块,电感元件,识别精度,网络层,层数,图像识别,检测结构,精度提升,特征融合
AB值：
0.314084
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。
