基于深度学习的铝型材表面瑕疵识别技术研究

发布时间：2025-05-11 05:11

　　金属材料表面瑕疵会严重影响产品的质量、安全性、使用性和美观性,因此,在实际生产中将有问题的材料识别出来是至关重要的。传统的人工识别和基于图像处理的机器视觉识别无法应对实际生产中复杂多变、缺少固定形态的表面瑕疵。本文基于人工智能和深度学习的思想,以铝型材表面瑕疵作为突破口,主要应用深度学习技术中的卷积神经网络对铝型材表面瑕疵进行分类和检测研究。本文首先介绍了金属材料表面瑕疵识别的研究背景和国内外研究现状,指出了以铝型材表面瑕疵为切入口,明确了本文主要是基于深度学习中的卷积神经网络对铝型材表面瑕疵的分类和检测进行研究。接着,详细介绍了将深度学习引入铝型材表面瑕疵研究中涉及的主要知识点,包括卷积层、池化层、Softmax回归层、损失函数、卷积神经网络的训练过程和主要参数等;并且搭建了用以训练瑕疵分类网络和检测网络的实验环境,指出了利用Google cloud作为实验平台。然后,提出了一种适用于铝型材表面瑕疵的自动的端到端分类网络。基于迁移学习的思想解决了瑕疵图像标签化数据少的问题,并且利用数据增强策略极大的利用了源于阿里云平台提供的数据集。此外,文章通过分析卷积核、特征图像和显著图证明了该分类...

【文章页数】：85 页

【学位级别】：硕士

【部分图文】：

图１．１人工检测??

用的识别方法，该方法利用抽查、肉眼观测的方式，因而具有抽检率低、准确性??不高、实时性差、效率低、劳动强度大、受人工经验和主观因素影响大的缺点！６】。??图１．１展示了生产现场通过人工的形式对产品、材料表面进行质量检测。??卜黎ｖ脅泰??图１．１人工检测??机器视觉识别是一种无接....

图1.2几SVRC竟赛历年分类错误率折线图

．人工智能和深度学习的思想，给其它众多学科提供了很多参考和借鉴，例如：??无人驾驶、医学领域的病理图像分析［９］、语音识别等。因而，本文将深度学习引??

图１．４冷轧纲表面瑕疵检测系统结构［１（）１??６??

图１．５热轧带钢表面瑕疵检测系统结构??

２００５年以来，北京科技大学的徐科团队开始研制基于线阵ＣＣＤ摄像机的热??轧带钢表面瑕疵检测系统［２６，２７１，该系统已经用于３条中厚板和２条热轧带钢生产??线上，并且获得了?２００８年冶金科学技术一等奖。图１．５展示了热轧带钢表面瑕??疵检测系统的结构。??松像１—＼?／——ｍ....

本文编号：4044896