| 基于深度学习的先进陶瓷零件实时缺陷检测系统 |
| |
| 引用本文： | 马晨凯,吴毅慧,傅华奇,业宁.基于深度学习的先进陶瓷零件实时缺陷检测系统[J].南京航空航天大学学报,2021,53(5):726-734. |
| |
| 作者姓名： | 马晨凯 吴毅慧 傅华奇 业宁 |
| |
| 作者单位： | 1.南京林业大学信息科学技术学院，南京210037;2.南京林业大学汽车与交通工程学院，南京210037;3.黑龙江工程学院电气与信息工程学院，哈尔滨150050 |
| |
| 摘 要： | 传统先进陶瓷零件检测与分类的主流方法为纯机械尺寸过滤和人工判断，为解决其成本高、失误率高和损坏率高等问题，提出了基于深度学习的多目标实时检测分类模型（Multi-object real-time detection and classification model， MRDC）。该模型以YOLOv3为基础，使用SKNet作为注意力机制进行特征重构提高精确度，配合灰度图快速转化算法与跳帧检测方法提高检测速度，可实现实时缺陷检测。对实际生产中的先进陶瓷零件进行采集训练，多批次采集图像数据，每批数据含多个陶瓷零件的1 000张图像，平均精确率均值达到99.19％，用先进陶瓷零件生产线视频检验，识别分类的正确率达到100％，可以保证每分钟检测450~550个零件。多目标实时检测分类模型拥有识别速度更快、识别准确率更高和零件不易损坏等优点，可极大地节约生产原料与人力成本，减少废品产出。
|
| 关 键 词： | 先进陶瓷材料 目标检测 机器学习 视频图像识别 |
| 收稿时间： | 2020/10/28 0:00:00 |
| 修稿时间： | 2020/12/8 0:00:00 |
Real-Time Defect Detection System for Advanced Ceramic Parts Based on Deep Learning |
| |
| Ma Chenkai,Wu Yihui,Fu Huaqi,Ye Ning.Real-Time Defect Detection System for Advanced Ceramic Parts Based on Deep Learning[J].Journal of Nanjing University of Aeronautics & Astronautics,2021,53(5):726-734. |
| |
| Authors: | Ma Chenkai Wu Yihui Fu Huaqi Ye Ning |
| |
| Abstract: | |
| |
| Keywords: | advanced ceramic material target detection machine learning video image recognition |
|
| 点击此处可从《南京航空航天大学学报》浏览原始摘要信息 |
| 点击此处可从《南京航空航天大学学报》下载免费的PDF全文 |
