Print

基于CNN的带钢表面缺陷检测

论文摘要

随着工业4.0:智能制造理念的深入,推动工业生产制造进一步由自动化向智能化升级势不可挡。作为制造业的支柱性产业,实现钢铁行业的表面缺陷自主检测具有重要意义。针对现有带钢表面缺陷检测过程中识别率低,无法自主检测等问题,本文提出一种基于CNN的带钢表面缺陷检测算法,引入深度学习知识,通过建立CNN模型,制作数据集,实现了对带钢表面缺陷的自动提取与检测。通过实验验证了该算法的有效性,实验结果表明该算法的准确率在99.99%以上,实验过程中未出现误差,能够满足工业生产方面的要求。

论文目录

  • 0 前言
  • 1 表面缺陷检测方法
  • 2 实验过程及结果分析
  • 3 结束语

    • 文章来源

    类型: 期刊论文

    作者: 杨延西,赵梦

    关键词: 工业,带钢表面,缺陷检测,深度学习

    来源: 重型机械 2019年02期

    年度: 2019

    分类: 工程科技Ⅰ辑,工程科技Ⅱ辑,信息科技

    专业: 金属学及金属工艺,计算机软件及计算机应用,自动化技术

    单位: 西安理工大学自动化与信息工程学院

    分类号: TP391.41;TP183;TG142.15

    DOI: 10.13551/j.cnki.zxjxqk.2019.02.006

    页码: 25-29

    总页数: 5

    文件大小: 518K

    下载量: 279

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/25653af6b087e0f1c5186de3.html