基于深度学习的口罩表面缺陷检测

发布时间：2021-05-28 15:36

　　近年来,随着深度学习理论在计算机视觉领域的迅速发展与不断成熟,基于深度学习的技术广泛应用在图像识别检测的问题上,如铁轨表面缺陷检测、玻璃表面缺陷检测、绿色咖啡豆表面缺陷检测等。我国经济的快速发展带来了大中小城市的汽车使用量快速增长,大量汽车尾气的排放导致空气雾霾越来越严重,雾霾天气让人们出门不得不佩带口罩,而且口罩也是医生护士的必需品。目前市场上绝大多数口罩都是采用无纺布来生产的,这种类型的口罩在生产过程中会产生耳带打结、耳带脱落、口罩本体沾染毛发和污点等缺陷,这些缺陷会影响口罩使用者的正常佩带和身体健康。目前,口罩生产线上使用的口罩表面缺陷识别检测方法是传统的图像处理方法,这类方法需要人工设定特征,缺乏通用性和扩展性。为了解决传统的图像处理方法存在的缺点,本文采用深度学习算法对口罩产品的表面缺陷进行识别检测。与传统的图像处理方法相比,深度学习算法的卷积神经网络无需人为设定特征算子来提取图像特征信息,它能够自动学习图像中有用的特征信息,并将其提取出来。本文主要的研究内容如下:1)提出了一种基于迁移学习的深度CNN口罩表面缺陷识别算法。该算法对VGG-16模型进行了小幅度调整,添加了BN... 

【文章来源】：深圳大学广东省

【文章页数】：66 页

【学位级别】：硕士

【部分图文】：

简单的神经网络

神经元节点示意图

卷积神经网络算法实现图

【参考文献】：
期刊论文
[1]基于机器视觉的铝铸件表面缺陷自动识别技术[J]. 郑晓玲.  黎明职业大学学报. 2018(03)
[2]基于支持向量机的焊缝超声TOFD缺陷分类识别[J]. 伏喜斌.  无损检测. 2018(06)
[3]主流深度学习框架对比[J]. 加日拉·买买提热衣木,常富蓉,刘晨,要秀宏.  电子技术与软件工程. 2018(07)
[4]基于旋转不变HOG特征的焊缝缺陷类型识别算法[J]. 王璐,王新房.  计算机系统应用. 2018(02)
[5]基于模板算子边缘检测的图像二值化算法[J]. 田敬波.  信息技术与信息化. 2017(09)
[6]基于迭代深度学习的缺陷检测[J]. 李腾飞,秦永彬.  计算机与数字工程. 2017(06)
[7]深度学习框架和加速技术探讨[J]. 余伟豪,李忠,安建琴,宋奕瑶.  软件. 2017(06)
[8]基于机器视觉的缺陷在线检测系统的研究[J]. 罗超,高军,沙丰永,骆飞.  数字技术与应用. 2016(04)
[9]基于堆叠降噪自动编码器的胶囊缺陷检测方法[J]. 王宪保,何文秀,王辛刚,姚明海,钱沄涛.  计算机科学. 2016(02)
[10]一种快速提取植物叶片最小外接矩形算法[J]. 向元平,何燕平,危郁林,梁欢,郭本初.  计算机与现代化. 2016(02)

博士论文
[1]基于机器视觉的农田害虫快速检测与识别研究[D]. 韩瑞珍.浙江大学 2014

硕士论文
[1]基于深度学习的玻璃缺陷识别方法研究[D]. 瓮佳良.中北大学 2017
[2]基于深度学习与SVM的电弧熔积表面缺陷检测与分类[D]. 邓星.华中科技大学 2016
[3]深度学习算法在表面缺陷识别中的应用研究[D]. 李梦园.浙江工业大学 2015



本文编号：3208305