科研之友
微信
新浪微博
Facebook
分享链接
摘要
缺陷检测是生产实践中非常重要的一个环节。产品表面往往存在丰富的纹理信息，纹理信息很容易导致缺陷误判。针对传统算法在缺陷检测中的局限性，提出了一种改进的U-Net模型来进行高纹理表面缺陷检测。该模型在下采样采用特征融合策略，以减少细节的丢失；在上采样采用多尺度融合策略，获取不同感受野下的丰富信息；用空洞卷积代替部分普通卷积，增加感受野来防止边缘细节的丢失。同时，模型中还采用联合损失函数进行训练，并通过参数优化提高收敛速度。最终，通过对高纹理表面缺陷数据集上进行实验，验证改进的U-Net模型与原始U-Net模型以及SegNet模型、基于滑动窗口的CNN等同类方法进行客观比较，并对实验结果进行可行性分析，提出的模型表现出更精确的检测精度和更好的性能。实验结果表明改进的U-Net模型可以更好的适用于实际生产过程的缺陷检测中。
- 出版日期2023
- 单位新疆大学
