基于卷積神經網絡的表面缺陷檢測算法研究.pdf

1、隨著現代工業(yè)的發(fā)展，對產品質量的要求越來越高。產品質量檢測已成為產品生產過程中的必要步驟，其中針對產品表面缺陷的檢測是不可或缺的重要環(huán)節(jié)。傳統(tǒng)的表面缺陷檢測采用人工目測的方法，具有穩(wěn)定性差，消耗時間長，人工成本高等缺點。因為機器視覺檢測技術具有非接觸，穩(wěn)定可靠，快速高效，自動化程度高等優(yōu)點，其在產品表面缺陷檢測中受到了廣泛重視。本論文對表面缺陷檢測算法進行研究，完成以下工作：
　?。?）提出了一種基于卷積神經網絡的鈕扣表面缺陷檢測

2、算法。該算法主要利用目標提取，表面區(qū)域歸一化和圖像銳化進行預處理，采用卷積神經網絡運算出結果，避免了傳統(tǒng)的模式識別缺陷檢測算法需要人工提取圖像特征的過程。
　?。?）探究了不同網絡參數（網絡形態(tài)、網絡卷積層數目、網絡特征圖數目、卷積核大?。W絡函數（激活函數、采樣函數）和Dropout層對于缺陷檢測卷積神經網絡性能的影響，結果表明金字塔雙層結構以及ReLu函數和Dropout技術有利于網絡性能的提升。本論文以鈕扣為研究對象，采集

3、鈕扣表面圖像作為樣品集，對網絡進行驗證，最終構建出一個適合于鈕扣表面缺陷檢測的卷積神經網絡模型。
　?。?）移植算法至DSP智能相機并進行了優(yōu)化，驗證了算法性能。本論文算法在1178張圖像的樣品集上進行了測試，結果表明算法具有有效性和適應性。
　　實驗結果表明，本論文算法具有不需要人工提取特征的優(yōu)點，構建的卷積神經網絡模型對于鈕扣表面劃痕缺陷和鈕扣表面不均勻缺陷能夠達到96.3％和99.1%的正確率。算法成功地移植到DSP智