一种基于深度学习的轮胎缺陷检测方法.pdf
元枫****文章
亲,该文档总共13页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于深度学习的轮胎缺陷检测方法.pdf
本发明公开了一种基于深度学习的轮胎缺陷检测方法,所述方法包括:获取待检测的轮胎X光图像,输入至训练好的像素级缺陷区域估计网络模型;根据所述像素级缺陷区域估计网络模型的输出结果判断所述待检测的轮胎X光图像是否存在缺陷,并在判断存在缺陷时进一步判断出缺陷类型、缺陷目标框及缺陷边界。应用本发明,能实现轮胎缺陷区域的像素级估计,从而能精确得到缺陷的面积,是轮胎质量判级的重要依据,而且也提高了缺陷检测的精确度。
一种基于深度学习的轮胎缺陷智能检测方法.pdf
一种基于深度学习的轮胎缺陷智能检测方法,该方法在原有X光检测设备的基础上,通过视频分配器,将原有视频分为2路,一路供操作员进行人工判定,另一路通过高速视频采集卡采集X光图像并送入识别系统;利用人工智能技术实现自动化,提高生产率,节省劳动成本。
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
一种基于深度学习的皮带缺陷检测方法及系统.pdf
本申请提供一种基于深度学习的皮带缺陷检测方法及系统,检测方法包括:构建皮带训练网络模型,构建构建皮带训练网络模型包括随机仿射变换特征提取处理步骤、激励注意力机制处理步骤和小目标检测头处理步骤;训练皮带训练网络模型得到目标权重文件;向皮带底部发射激光;获取皮带待检测图片;对皮带待检测图片进行解析检测处理得到像素块组;比对像素块组与所述目标权重文件,得到比对结果;判断比对结果是否大于比对阈值;若是,则生成用于关闭皮带机的控制指令。本申请通过上述检测方法及系统提高了对皮带缺陷的不同位置的特征提取能力,提高激光线
一种基于深度学习的风机齿轮缺陷检测方法.pdf
本发明提出一种基于深度学习的风机齿轮缺陷检测方法,包括以下步骤:采集风机齿轮的离散数据并转换为时频图;将时频图输入特征提取层中得到多层缺陷特征图;将多层缺陷特征图输入区域候选网络中提取缺陷候选区域;将区域候选区域根据特征相似度进行两两配对,组成缺陷组;将缺陷组输入学习构造器中得到含有共性与差异性信息的缺陷候选区域,然后将其输入分类器中计算预测类别值,计算损失函数并更新网络参数,得到风机齿轮缺陷检测模型;将待检测的风机齿轮图像输入风机齿轮缺陷检测模型,输出得到标识有缺陷候选区域的风机齿轮图像。