典型文献
基于迁移学习的金属表面斑点型缺陷检测
文献摘要：
在机械零件的生产加工过程中,加工设备由于长期工作,零件表面会出现点蚀、磨损、裂纹等现象.为了提高表面失效检测速度,降低人工检测成本并简化检测流程,提出了一种基于迁移学习卷积神经网络(CNN)的机器视觉技术检测方法,通过图像灰度化与小波降噪的方法解决缺陷特征不显著的问题,将已训练模型中的卷积层部分迁移至该任务模型中,分类后提取缺陷周围的轮廓特征,得到实验结果.对比两种迁移学习网络效果,择优选择的网络可以显著提升模型分类的准确率与运行效率.
文献关键词：
机器视觉;迁移学习;卷积神经网络(CNN)
中图分类号：
作者姓名：
孙宁;徐桂安;王冬梅;陈田
作者机构：
上海电机学院机械学院,上海201306
文献出处：
引用格式：
[1]孙宁;徐桂安;王冬梅;陈田-.基于迁移学习的金属表面斑点型缺陷检测)[J].上海电机学院学报,2022(02):82-87,94
A类：
B类：
迁移学习,金属表面,斑点,缺陷检测,机械零件,生产加工过程,加工设备,面会,点蚀,高表面,失效检测,检测速度,检测流程,机器视觉技术,图像灰度化,小波降噪,缺陷特征,训练模型,卷积层,移至,任务模型,轮廓特征,学习网络,择优,模型分类
AB值：
0.447553
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。
