基于自适应全局定位算法的带钢表面缺陷检测
文献类型：期刊论文
| 作者 | 王延舒; 余建波 |
| 刊名 | 自动化学报
 |
| 出版日期 | 2024 |
| 卷号 | 50期号:8页码:1550-1564 |
| 关键词 | 表面缺陷检测 深度学习 特征金字塔网络 自适应树型候选框提取 全局定位 |
| ISSN号 | 0254-4156 |
| DOI | 10.16383/j.aas.c210467 |
| 英文摘要 | 针对热轧带钢表面缺陷检测存在的智能化水平低、检测精度低和检测速度慢等问题, 提出了一种基于自适应全局定位网络(Adaptive global localization network, AGLNet)的深度学习缺陷检测算法. 首先, 引入一种残差网络(Residual network, ResNet)与特征金字塔网络(Feature pyramid network, FPN)集成的特征提取结构, 减少缺陷语义信息在层级传递间的消失; 其次, 提出基于TPE (Tree-structure Parzen estimation)的自适应树型候选框提取网络(Adaptive tree-structure region proposal extraction network, AT-RPN), 无需先验知识的积累, 避免了人为调参的训练模式; 最后, 引入全局定位回归算法, 以全局定位的模式在复杂的缺陷检测中实现缺陷更精确定位. 本文实现一种快速、准确、更智能化、更适用于实际应用的热轧带钢表面缺陷的算法. 实验结果表明, AGLNet在NEU-DET热轧带钢表面缺陷数据集上的检测速度保持在11.8帧/s, 平均精度达到79.90 %, 优于目前其他深度学习带钢表面缺陷检测算法. 另外, 该算法还具备较强的泛化能力. |
| 源URL | [http://ir.ia.ac.cn/handle/173211/58823]  |
| 专题 | 自动化研究所_学术期刊_自动化学报 |
| 推荐引用方式 GB/T 7714 | 王延舒,余建波. 基于自适应全局定位算法的带钢表面缺陷检测[J]. 自动化学报,2024,50(8):1550-1564. |
| APA | 王延舒,&余建波.(2024).基于自适应全局定位算法的带钢表面缺陷检测.自动化学报,50(8),1550-1564. |
| MLA | 王延舒,et al."基于自适应全局定位算法的带钢表面缺陷检测".自动化学报 50.8(2024):1550-1564. |
入库方式： OAI收割
来源：自动化研究所
浏览0
下载0
收藏0
其他版本
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。