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--分割网络

机器视觉（AOI）之缺陷检测任务--分割网络

2021-06-03

广东吉洋视觉：Mini LED,SMT AOI,LED AOI,焊线AOI,焊线检测AOI。分割网络将表面缺陷检测任务转化为缺陷和正常区域的语义分割甚至实例分割。它不仅可以对缺陷区域进行精细分割，还可以得到缺陷的位置、类别以及相应的几何属性（包括长度、宽度、面积、轮廓、中心等）。根据分割函数的不同，大致可分为 FCN（全卷积网络）方法和 mask r-CNN 方法。
（1）FCN（全卷积网络）方法金属表面缺陷自动检测与识别与卷积神经网络检测对象：金属表面缺陷主要方法：该方法是基于 FCN 网络的改进，整个网络可以分为两个阶段：缺陷检测阶段和缺陷分类阶段。在缺陷检测阶段，设计了级联自动编码器（CASAE），利用编码器对正常区域和缺陷区域的不同响应，通过阈值分割实现缺陷区域的像素级定位。然后裁剪出缺陷区域，输入缺陷分类网络，对缺陷类别进行分类。
（2）Mask r-CNN 方法 Mask r-CNN 是最常用的图像实例分割方法之一，可以看作是基于检测与分割网络相结合的多任务学习方法，语义切分通常将同一类型的多个缺陷作为一个整体来处理。目前，大多数文献直接将 maskr-CNN 框架应用于缺陷分割。基于深度学习的皮革缺陷自动分割，基于 maskr-CNN 的智能手机图像道路损伤检测与分类。
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:3D空间中的边界特征线 ] [下一页:机器视觉（AOI）之缺陷检测任务--分类网络 ]