Knowledge Commons of Institute of Automation，CAS
| 基于轻量化重构网络的表面缺陷视觉检测 | |
| 余文勇; 张阳; 姚海明; 石绘 | |
| 发表期刊 | 自动化学报
 |
| ISSN | 0254-4156 |
| 2022 | |
| 卷号 | 48期号:9页码:2175-2186 |
| 摘要 | 基于深度学习的方法在某些工业产品的表面缺陷识别和分类方面表现出优异的性能,然而大多数工业产品缺陷样本稀缺,而且特征差异大,导致这类需要大量缺陷样本训练的检测方法难以适用.提出一种基于重构网络的无监督缺陷检测算法,仅使用容易大量获得的无缺陷样本数据实现对异常缺陷的检测.提出的算法包括两个阶段:图像重构网络训练阶段和表面缺陷区域检测阶段.训练阶段通过一种轻量化结构的全卷积自编码器设计重构网络,仅使用少量正常样本进行训练,使得重构网络能够生成无缺陷重构图像,进一步提出一种结合结构性损失和L1损失的函数作为重构网络的损失函数,解决自编码器检测算法对不规则纹理表面缺陷检测效果较差的问题;缺陷检测阶段以重构图像与待测图像的残差作为缺陷的可能区域,通过常规图像操作即可实现缺陷的定位.对所提出的重构网络的无监督缺陷检测算法的网络结构、训练像素块大小、损失函数系数等影响因素进行了详细的实验分析,并在多个缺陷图像样本集上与其他同类算法做了对比,结果表明重构网络的无监督缺陷检测算法有较强的鲁棒性和准确性.由于重构网络的无监督缺陷检测算法的轻量化结构,检测1 024×1 024像素图像仅仅耗时2.82 ms,适合工业在线检测. |
| 关键词 | 缺陷检测 深度学习 小样本 全卷积自编码器 损失函数 |
| DOI | 10.16383/j.aas.c200535 |
| 引用统计 | |
| 文献类型 | 期刊论文 |
| 条目标识符 | http://ir.ia.ac.cn/handle/173211/56278 |
| 专题 | 学术期刊_自动化学报 |
| 推荐引用方式 GB/T 7714 | 余文勇,张阳,姚海明,等. 基于轻量化重构网络的表面缺陷视觉检测[J]. 自动化学报,2022,48(9):2175-2186. |
| APA | 余文勇,张阳,姚海明,&石绘.(2022).基于轻量化重构网络的表面缺陷视觉检测.自动化学报,48(9),2175-2186. |
| MLA | 余文勇,et al."基于轻量化重构网络的表面缺陷视觉检测".自动化学报 48.9(2022):2175-2186. |
| 条目包含的文件 | 下载所有文件 | |||||
| 文件名称/大小 | 文献类型 | 版本类型 | 开放类型 | 使用许可 | ||
| AAS-CN-2020-0535.pdf（13819KB） | 期刊论文 | 出版稿 | 开放获取 | CC BY-NC-SA | 浏览 下载 | |
| 个性服务 |
| 推荐该条目 |
| 保存到收藏夹 |
| 查看访问统计 |
| 导出为Endnote文件 |
| 谷歌学术 |
| 谷歌学术中相似的文章 |
| [余文勇]的文章 |
| [张阳]的文章 |
| [姚海明]的文章 |
| 百度学术 |
| 百度学术中相似的文章 |
| [余文勇]的文章 |
| [张阳]的文章 |
| [姚海明]的文章 |
| 必应学术 |
| 必应学术中相似的文章 |
| [余文勇]的文章 |
| [张阳]的文章 |
| [姚海明]的文章 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论