CASIA OpenIR  > 学术期刊  > 自动化学报
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
Source Publication自动化学报
ISSN0254-4156
2022
Volume48Issue:9Pages:2175-2186
Abstract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.
Keyword缺陷检测 深度学习 小样本 全卷积自编码器 损失函数
DOI10.16383/j.aas.c200535
Citation statistics
Document Type期刊论文
Identifierhttp://ir.ia.ac.cn/handle/173211/56278
Collection学术期刊_自动化学报
Recommended Citation
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.
Files in This Item: Download All
File Name/Size DocType Version Access License
AAS-CN-2020-0535.pdf(13819KB)期刊论文出版稿开放获取CC BY-NC-SAView Download
Related Services
Recommend this item
Bookmark
Usage statistics
Export to Endnote
Google Scholar
Similar articles in Google Scholar
[余文勇]'s Articles
[张阳]'s Articles
[姚海明]'s Articles
Baidu academic
Similar articles in Baidu academic
[余文勇]'s Articles
[张阳]'s Articles
[姚海明]'s Articles
Bing Scholar
Similar articles in Bing Scholar
[余文勇]'s Articles
[张阳]'s Articles
[姚海明]'s Articles
Terms of Use
No data!
Social Bookmark/Share
File name: AAS-CN-2020-0535.pdf
Format: Adobe PDF
All comments (0)
No comment.
 

Items in the repository are protected by copyright, with all rights reserved, unless otherwise indicated.