基于深度学习的汽车轮毂表面缺陷在线检测算法

发布时间：2024-01-29 11:13

　　轮毂表面缺陷检测是轮毂企业生产物流过程中的重要一环。通过现场调研,本文发现在传统解决方案中,轮毂表面缺陷检测是通过工人在生产线的固定工位通过肉眼观测的方式来对缺陷进行定位和标记。而由于汽车轮毂结构复杂,人工检测的方法效率低、工作量大,此种检测方式越来越难以满足轮毂生产过程越来越高的快速、准确、稳定的要求。为了实现生产物流装备自动化与智能化,提升轮毂制造企业生产物流过程的效率,降低人工成本,针对上述情况,本文结合深度学习技术,以及轮毂缺陷检测任务的实地调研,提出了基于深度学习的轮毂缺陷在线检测算法。本文的主要工作如下:1.轮毂生产线缺陷检测系统流程设计。本系统包含完整的轮毂在线缺陷检测流程,包括图像采集、图像预处理、轮毂图像缺陷检测等等。2.建立轮毂表面缺陷数据库。具体流程是在生产线现场通过工业相机采集轮毂表面缺陷图像,之后进行数据清洗,并通过专业标注软件对缺陷图像进行标注,最终得到带有精确标注的缺陷图像数据库。3.识别模糊图像。本文采用的消除模糊算法是基于深度学习的生成式对抗网络实现的,因此运算速度较慢,而采集的图像中只有一部分图像存在模糊现象,为了提高缺陷检测算法系统的效率,在进行消...

【文章页数】：73 页

【学位级别】：硕士

图１－２?ＹＯＬＯ网络??

图１－３?ＳＳＤ网络??－

图２－１所示是神经网??络的结构图，由输入层、隐含层、输出层构成，隐含层之间的所有神经元是全连??接起来的

图２－３卷积过程??如图２－３所示，Ｋｅｒｎｅｌ代表一个卷积核，可以看出在卷积计算过程中每个卷??

本文编号：3888078