990991藏宝阁主页-免费完整资料

4行业新闻

您的位置: 首页 -> 行业新闻 -> 机器视觉（AOI）之缺陷检测任务--分类网络

机器视觉（AOI）之缺陷检测任务--分类网络

2021-06-02

广东吉洋视觉：Mini LED,SMT AOI,LED AOI,焊线AOI,焊线检测AOI。
由于 CNN 强大的特征提取能力，基于 CNN 的分类网络已成为表面缺陷分类中最常用的模式。一般来说，现有的表面缺陷分类网络通常采用计算机视觉中现成的网络结构，包括 alexnet、VGg、googlenet、RESNET、densenet、senet、shutenet、mobilenet 等，利用分类网络和滑动窗口实现缺陷定位。
检测对象：混凝土裂缝主要方法：采用第基于滑动窗口的 CNN 分类网络对裂缝表面缺陷进行定位，并结合滑动窗口的两种冗余路径实现图像的全覆盖。
检测对象：织物疵点主要方法：采用多层 CNN 网络对织物疵点数据集中的 6 种疵点样本进行分类，对每种样本进行疵点检测。具体方法如下：1× 样本量为 128× 128；2. 从上半部分每种图像中抽取的小图像块分为缺陷和非缺陷两类。
检测对象：钢材表面缺陷主要方法：基于快速 r -CNN 的带钢表面缺陷检测网络，该网络的改进之处在于将多层特征融合为一个特征，可以包含更多的缺陷定位细节。基于这些多层次特征，利用区域建议网络（RPN）生成感兴趣区域（Roi）。在缺陷检测数据集 Neu-DET 上，利用 resnet-50 主干网实现了 82.3% 的 map。
郑重声明：
1、部分内容来源于网络，本文版权归原作者所有，转载文章仅为传播更多信息之目的。
2、本文仅供学术交流，非商用。如果某部分不小心侵犯了大家的利益，请联系删除。

[返回栏目首页]

[上一页:机器视觉（AOI）之缺陷检测任务--分割网络] [下一页:机器视觉（AOI）之缺陷检测任务]