基于卷積神經(jīng)網(wǎng)絡(luò)的表面缺陷檢測算法研究.pdf

1、隨著現(xiàn)代工業(yè)的發(fā)展，對產(chǎn)品質(zhì)量的要求越來越高。產(chǎn)品質(zhì)量檢測已成為產(chǎn)品生產(chǎn)過程中的必要步驟，其中針對產(chǎn)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(shù)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(chǎn)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：
　　（1）提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的鈕扣表面缺陷檢測

2、算法。該算法主要利用目標(biāo)提取，表面區(qū)域歸一化和圖像銳化進行預(yù)處理，采用卷積神經(jīng)網(wǎng)絡(luò)運算出結(jié)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。
　　（2）探究了不同網(wǎng)絡(luò)參數(shù)（網(wǎng)絡(luò)形態(tài)、網(wǎng)絡(luò)卷積層數(shù)目、網(wǎng)絡(luò)特征圖數(shù)目、卷積核大小），網(wǎng)絡(luò)函數(shù)（激活函數(shù)、采樣函數(shù)）和Dropout層對于缺陷檢測卷積神經(jīng)網(wǎng)絡(luò)性能的影響，結(jié)果表明金字塔雙層結(jié)構(gòu)以及ReLu函數(shù)和Dropout技術(shù)有利于網(wǎng)絡(luò)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(wǎng)絡(luò)進行驗證，最終構(gòu)建出一個適合于鈕扣表面缺陷檢測的卷積神經(jīng)網(wǎng)絡(luò)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(jié)果表明算法具有有效性和適應(yīng)性。
　　實驗結(jié)果表明，本論文算法具有不需要人工提取特征的優(yōu)點，構(gòu)建的卷積神經(jīng)網(wǎng)絡(luò)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