【摘 要】
：
随着近些年来人工智能的快速发展,其应用领域之一的机器视觉备受大众的关注。于此同时,我国属于制造业大国,机器视觉也成为了世界上需求最大的地区之一。尤其在工业环境产品生产一线,都由工人通过目视来判断产品的缺陷区域,例如:划痕、裂纹、变形和污渍,但是受经验影响较大,人工识别就会造成效率低下、质量把控不稳等因素。甚至有的缺陷产品工人无法准确检测出,这些对企业甚至社会都产生了不可弥补的损失。于是本文基于此提
论文部分内容阅读
随着近些年来人工智能的快速发展,其应用领域之一的机器视觉备受大众的关注。于此同时,我国属于制造业大国,机器视觉也成为了世界上需求最大的地区之一。尤其在工业环境产品生产一线,都由工人通过目视来判断产品的缺陷区域,例如:划痕、裂纹、变形和污渍,但是受经验影响较大,人工识别就会造成效率低下、质量把控不稳等因素。甚至有的缺陷产品工人无法准确检测出,这些对企业甚至社会都产生了不可弥补的损失。于是本文基于此提出了基于VGG-16和VAE相结合的工业图像缺陷识别算法。主要研究工作如下:1、使用迁移学习将VGG-16在ImageNet数据集上进行预训练的网络模型参数迁移至本文MVTec-AD和CastingData数据集上,使模型能够提取出更为丰富的底层信息。2、构建了工业图像缺陷识别模型,首先设计图像重建网络,将迁移后的VGG-16网络参数进行微调,使其高层特征转变为工业图像特征;然后将VGG-16前12层卷积层的特征图进行输出,对每层输出的特征进行特征对齐、均值滤波器采样和特征融合操作,以得到多尺度的密集特征;最后将多尺度密集特征输入到设计好的VAE中进行特征重建,以达到像素级特征重建,根据输入特征和重建特征之间的误差识别出缺陷区域。3、提出了基于VGG-16和VAE相结合的工业图像缺陷识别算法,在MVTec-AD数据集上进行的测试和实验对比,在ROC-AUC评估指标上,本文方法在各个类别上均取得了优异的效果,每个类别的平均识别率,比最高的还要高出6.9%,在PRO-AUC评估指标上本文的方法依然取得了较好的效果,相比最好的方法提高了 1.3%。在CastingData数据集上,本文也进行了实验测试,均能够较好的识别出缺陷区域。4、为满足工业环境下缺陷区域精准检测,以本文提出的算法为基础,设计并实现了一款工业图像缺陷识别软件。本文提出的算法具有一定的创新性,可以准确的识别出工业产品缺陷区域,在工业领域能够很好的解决误检、漏检问题。
其他文献
六盘山片区作为我国脱贫攻坚的主战场之一,是主要的欠发达地区。在后2020相对贫困治理时期,如何缓解六盘山片区相对贫困问题,进而助推乡村振兴,实现区域高质量发展等国家战略,具有十分重要的意义。然而,只有在把握六盘山片区相对贫困状况的基础上才能更好地实现乡村振兴。基于此,本文对六盘山片区相对贫困测度与时空分异机制及关系机制展开研究。基于现有研究,本文通过整理贫困地理的研究进展,对贫困地理学的理论基础,
自新中国成立至上世纪七十年代,近三十年的时间里来自全国各地的青年男女参与到支援宁夏建设的行列中,形成了“支宁人”这一特殊的社会群体,支宁工人则是该群体中的典型代表,正是他们一手搭建起宁夏的工业系统。虽然如今这些支宁工人已经成为耄耋老人,但关于他们过去工作和生活的记忆并没有因时间而消逝,他们的集体记忆依靠不同的媒介得以保存与延续。本研究以集体记忆理论为框架,通过文本分析和深度访谈的方法,探讨支宁工人
城市形象是指公众对一个城市内在综合实力、外显表象活力和未来发展前景的具体感知、总体看法和综合评价,反映着城市总体的特征和风格。随着现代城市发展进程越来越快,人们已经不能完全依靠自己的社会实践活动去了解一座城市,媒体上传播的内容成为人们掌握城市形象的重要渠道。自2009年召开第五届中国传媒经济年会以来,“中国传媒与城市发展”成为社会各界讨论城市形象的主题,此后几年,我国多次召开“媒体与城市发展”相关
多任务学习作为深度学习的一个分支,得到了广泛关注与深入研究,但由于目前对任务的相似性、关系、层次性等的理解非常有限,使得深度多任务学习神经网络区分任务困难;其次,深度多任务学习神经网络的结构由一般的层参数共享逐渐演变到具体层之间的连接和切换,愈加复杂。因此,针对上述问题,提出基于混合共享与网络优化的多任务学习方法。主要工作如下:（1）针对网络区分任务困难的问题,提出多任务混合学习方法。首先,无需区
随着物联网等新兴业务的快速发展,对终端设备的计算能力要求越来越高,但其计算能力有限,难以满足业务实时处理的需求。移动边缘计算通过将部分终端任务卸载至计算能力更强的边缘服务器,有效解决终端设备计算能力不足的问题。然而,对于静止状态下的终端设备,使用有限移动边缘服务器不能完全满足计算力的需求。特别在人员密集的公共场合,如火车站、商场等,大量静止终端设备集中部署,只依赖部分边缘服务器难以满足大量实时密集
近些年制造系统的要求不断变化,面向客户需求、多样化产品、批量生产逐渐变成主要的生产模式,在企业实际生产过程中,调度安排是效率的关键所在,柔性车间作业调度从传统车间作业调度问题扩展而来,加入了约束条件和多目标优化等,完成不同的企业需求,在选择问题的研究方法时,需要结合不同目标确定合适的算法并建立调度模型,解决实际生产的需求具有重要的理论和实际意义。在此背景下,本文围绕多目标柔性车间作业调度展开研究,
随着计算机技术及人工智能的迅猛发展,头部姿态估计在智能驾驶、人机交互等领域的潜在应用价值受到广泛关注。同时,头部姿态估计在人脸识别、活体检测以及表情识别等视觉属性分析任务中起着至关重要的作用。近年来,基于深度学习的头部姿态估计方法在受约束的条件下表现出色,但由于成像条件,如光照和场景变化、部分遮挡以及极端表情等因素的影响,现有方法难以从众多复杂因素的影响中捕捉到对头部姿态估计最为有效的信息,并且在
图像描述语句生成（Image Captioning）是一项可以实现图像理解的关键任务。该任务的目标是给定一张自然图像,计算机能够生成符合人类表达习惯的通顺语句。对于计算机而言这是一个极具挑战性的问题,它不仅需要计算机能够精准识别图像中包含的所有目标,还需要捕获目标的相应属性以及目标间的关系。该任务广泛应用于图像检索、艺术创作、罪犯画像、儿童教育等领域。Encoder-Decoder模型是用于图像描
随着人工智能技术在司法领域的不断发展,司法逐步智能化。法律智能是指给机器赋予阅读和理解法律文本的能力,完成具有应用需求的司法任务,在一定程度上有助于律师、法官等专业人士更加高效地进行法律审判,也可以给予非专业人士一定的法律参考和司法援助,更进一步推动了人工智能技术在司法领域的应用实践。本文研究法律智能应用实践中的罪名预测任务,该任务是依据法律判决文书中的案情描述,分析并预测案情描述所对应的最合适或
智能体作为人工智能领域的重要概念,得到了广泛的关注,随着社会行为引入到计算机学科领域,以及人工智能深入到人们生活的方方面面,对于多智能体系统的研究也越来越深入,其中一致性研究和输出调节作为多智能体系统协同控制的基础受到了广泛的研究.奇异系统作为微分代数方程的一种形式,能够更好的保持系统的物理特性,同时许多实际系统只能用奇异系统来描述,因此奇异系统因其较强的应用背景也得到了广泛的关注.奇异多智能体系