轮芯缺陷检测及缺陷样本生成技术

发布时间：2022-10-21 18:55

　　随着我国经济的飞速发展,汽车已经成为了人们日常生活中不可缺少的代步工具。汽车轮毂加工环节中,对轮毂进行缺陷检测是确保产品质量的重要环节。轮芯作为轮毂的中心部分,其在承重、抗压上起着至关重要的作用,轮芯X射线图像相较于轮辐和轮辋,其结构、背景和缺陷特征都要复杂一些,因此需要对轮芯的缺陷检测进行单独研究。本文深入研究了图像处理领域的深度学习算法,吸取基于建议区域（Region Proposal）的卷积神经网络和单阶段（one-stage）卷积神经网络算法的优点,针对轮芯缺陷提出了一种改进的卷积神经网络结构。该结构使用空洞卷积提升特征图感受野;使用多尺度特征图提取特征以提高算法对小缺陷的检测准确率;针对轮芯缺陷的大小选择更合适的锚框尺寸;使用位置敏感卷积层和池化层代替全连接层,提升算法速度的同时加强特征中位置因素的影响。另一方面,由于卷积神经网络的检测效果与训练样本的数量和质量有着直接关系,而实际应用中获取足够的轮芯缺陷样本需要的时间周期过长,本文提出了一种轮芯缺陷有效样本的合成方法。该方法通过分析轮芯海绵状缩松缺陷的定性视觉特征,基于骨架生长技术生成形状、大小具有随机性的缺陷,处理后叠加到... 

【文章页数】：84 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 选题背景与研究意义
    1.2 课题研究的难点
    1.3 本文主要工作
    1.4 论文的结构安排
第二章 轮芯缺陷样本生成技术研究
    2.1 引言
    2.2 轮芯缺陷分析
    2.3 轮芯缺陷生成
    2.4 结果质量评估
    2.5 基于GAN的缺陷生成探讨
    2.6 本章小结
第三章 基于深度学习的轮芯缺陷检测算法研究
    3.1 卷积神经网络
    3.2 Multi-stage算法
        3.2.1 R-CNN
        3.2.2 SPP-Net
    3.3 two-stage算法
        3.3.1 Fast R-CNN
        3.3.2 Faster R-CNN
    3.4 one-stage算法
        3.4.1 YOLO
        3.4.2 SSD
    3.5 卷积神经网络算法对比
    3.6 结合轮芯缺陷提出的改进深度学习模型
        3.6.1 使用空洞卷积提升感受野
        3.6.2 多尺度特征图提取特征
        3.6.3 更适应的锚框尺寸
        3.6.4 位置敏感卷积层和池化层代替全连接层
    3.7 本章小结
第四章 轮芯缺陷检测试验与结果分析
    4.1 引言
    4.2 TensorFlow
    4.3 实验样本处理
        4.3.1 样本集扩增
        4.3.2 图像预处理
        4.3.3 样本集组成
    4.4 实验结果分析
        4.4.1 轮芯缺陷检测算法流程
        4.4.2 通用调整点对算法结果的影响
        4.4.3 本文算法改进点对实验结果的影响
        4.4.4 对比实验及结果分析
    4.5 本章小结
总结与展望
参考文献
攻读硕士学位期间取得的研究成果
致谢
附件


【参考文献】：
期刊论文
[1]大数据下的深度学习研究[J]. 王金甲,陈浩,刘青玉.  高技术通讯. 2017(01)
[2]仿真与人工智能技术的结合与发展[J]. 黄德生.  测试技术学报. 2002(01)

硕士论文
[1]一种基于纹理合成的疏松缺陷图像生成方法[D]. 张园.华南理工大学 2018
[2]主客观相结合的遥感图像质量评价方法研究[D]. 李玲琳.南京理工大学 2013



本文编号：3696194