基于深度学习的压敏电阻表面缺陷检测方法研究

发布时间：2021-12-24 18:53

　　随着“中国制造2025”的提出,我国对工业产品质量要求越来越高,产品表面缺陷检测是保证产品质量的重要一环。压敏电阻是一种电阻器件,在防雷行业占有重要地位,其表面缺陷检测方法可分为两类:人工检测方法和自动检测方法。人工检测方法存在效率低、可靠性差、生产成本高的缺点;自动检测方法可通过传统机器学习和深度学习技术实现,但存在以下问题:基于传统机器学习的方法泛化能力差,准确率低;基于深度学习的方法在训练数据集规模较小的情况下容易出现过拟合问题。针对上述问题,本文展开了以下研究:（1）构建了压敏电阻表面图像数据集:为保证压敏电阻表面图像数据集的质量,本文设计并搭建了可进行图像采集的压敏电阻表面图像采集装置硬件环境。为自动采集稳定的、清晰的压敏电阻表面图像,本文采用两帧差分法进行静态目标检测,提高采集效率,并利用图像处理技术自动提取压敏电阻表面图像的有效信息,得到基础数据集。为获得足够的数据集,对基础数据集进行扩充,共得到原始压敏电阻表面图像3350张,为表面缺陷检测模型提供了足够的高质量图像数据集。（2）构建了基于卷积神经网络的压敏电阻表面缺陷检测模型:针对传统机器学习方法中人工定义数据特征带来... 

【文章来源】：西安科技大学陕西省

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

关于“深度学习”的文献发表年度趋势

关于“表面检测”的文献发表年度趋势

关于“表面检测、深度学习”的文献发表年度趋势

【参考文献】：
期刊论文
[1]一种基于机器视觉的曲面玻璃划痕缺陷检测方法[J]. 王昌书,黄沿江,张宪民,卢盛林.  自动化技术与应用. 2020(01)
[2]基于迁移学习的塑件外观缺陷柔性检测方法[J]. 胡诗尧,周华民,郭飞,刘家欢.  模具工业. 2019(06)
[3]基于卷积神经网络的主变压器外观缺陷检测方法[J]. 位一鸣,童力,罗麟,杨珊.  浙江电力. 2019(04)
[4]基于机器学习的免套袋苹果缺陷分级[J]. 张琛,房胜,王风云,李哲,郑纪业,沈宇.  河南农业科学. 2019(04)
[5]多脉冲雷电冲击下ZnO压敏电阻的劣化性能[J]. 徐伟,盛沨,张春龙,王波,行鸿彦.  高电压技术. 2019(12)
[6]应用深度迁移学习的电子级玻璃纤维布分类[J]. 殷鹏,景军锋.  电子测量与仪器学报. 2019(03)
[7]基于机器学习的灭弧栅片表面缺陷检测方法[J]. 郭良,舒亮,吴桂初.  机械工程与自动化. 2019(01)
[8]基于条件生成式对抗网络的数据增强方法[J]. 陈文兵,管正雄,陈允杰.  计算机应用. 2018(11)
[9]基于阵列图像采集的反应堆压力容器主螺栓孔检查方法研究[J]. 任荷,谭宏伟,安彦波,瓮松峰.  核科学与工程. 2018(03)
[10]卷积神经网络的贴片电阻识别应用[J]. 谌贵辉,何龙,李忠兵,亢宇欣,江枭宇.  智能系统学报. 2019(02)



本文编号：3551013