基于深度學(xué)習(xí)的連鑄坯表面缺陷檢測
關(guān)鍵詞：缺陷檢測 支持向量機(jī) 深度學(xué)習(xí)
摘要：采用提取圖像的紋理、幾何特征并利用支持向量機(jī)(support vector machine,SVM)進(jìn)行檢測和識別的方法,對寶山鋼鐵現(xiàn)有的連鑄坯表面裂紋、凹陷、夾雜物、氣孔、劃痕等缺陷進(jìn)行分析,缺陷檢測準(zhǔn)確率為83%.提出一種基于卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural network,CNN)的方法進(jìn)行缺陷檢測.該方法對裂紋缺陷的檢測準(zhǔn)確率為93%,對其他缺陷(由于凹陷、夾雜物、氣孔、劃痕等缺陷數(shù)據(jù)較少,這些缺陷歸為一類)的檢測準(zhǔn)確率為88%.實驗結(jié)果表明,采用深度學(xué)習(xí)的方法能夠有效檢測、識別出具有缺陷的連鑄坯,檢測準(zhǔn)確率較高.
上海大學(xué)學(xué)報·自然科學(xué)版雜志要求:
{1}稿件請?zhí)峁┑谝蛔髡吆屯ㄐ抛髡吆喗椋ㄐ彰?、出生年、性別、學(xué)歷、職稱、研究方向、通訊地址、聯(lián)系電話和E-mail等。
{2}如稿件以前已有回復(fù)意見,請將以往郵件一并附上。
{3}文中一級標(biāo)題、二級標(biāo)題、三級標(biāo)題、四級標(biāo)題的序號用“一、……”“1.……”“（1）……”標(biāo)示。盡量不使用三級或三級以上的標(biāo)題。
{4}參考文獻(xiàn)：本著“最新、重要、必要”的原則列出相關(guān)文獻(xiàn)，文獻(xiàn)應(yīng)是正式出版物，未正式發(fā)表的資料不能作為文獻(xiàn)引用。
{5}中英文關(guān)鍵詞,關(guān)鍵詞是用來表達(dá)、揭示文章主題內(nèi)容的、具有檢索價值的詞或者詞組，通常5個左右為宜。
注：因版權(quán)方要求，不能公開全文，如需全文，請咨詢雜志社
