一种基于深度学习的工件缺陷检测方法.pdf

本发明涉及一种基于深度学习的工件缺陷检测方法,包括已下步骤:1)图像采集:根据传输带、摄像机、玻璃板等设备搭建工件自动检测装置,通过自动化方式采集待检侧工件图像。2)图像预处理:将采集到的图像通过图像增强、锐化滤波、暗通道去雾等算法进行图片预处理,凸显工件特征,提高检测的准确性与科学性。3)缺陷检测模型:在FasterR?CNN模型基础上,将Resnet50作为主干网络,引入可变形卷积和特征金字塔结构训练缺陷检测模型。并用训练好的模型进行检测,根据缺陷位置和面积大小判断工件是否存在缺陷。4)手柄分类:通过机械手柄将有缺陷和无缺陷的工件进行分类放置。本发明旨在改进FasterR?CNN深度神经网络,从而自动化地检测工件是否存在缺陷,提高工件缺陷检测准确率,降低工件生产成本。