首页> 中文期刊> 《计算机时代》 >基于深度学习的零件表面缺陷检测与识别

基于深度学习的零件表面缺陷检测与识别

         

摘要

金属零件的加工一般采用铣削方式,由于机床振动、刀具磨损、切屑与零件表面碰撞以及零件自身材质不均匀等原因,导致零件表面产生各种缺陷。因此,在零件的生产过程中及时检测缺陷十分必要。针对零件缺陷检测需求,提出基于深度学习的零件表面缺陷检测与识别;利用对抗生成网络DCGAN扩充数据集并改进目标检测算法,使缺陷检测正确率达98.7%,比原FasterR-CNN算法的缺陷检测正确率有了较大的提高,实现了零件的表面缺陷缺陷检测识别。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号