论文部分内容阅读
为了提高工件表面缺陷检测的准确率,基于卷积神经网络的原理和工件表面缺陷检测的应用背景,对分割网络模型进行了改进。改进的分割网络模型中优化分割模块中的卷积层和卷积核大小,下采样时使用最大池化代替大步长的卷积。决策模块中通过改变卷积层和池化层得到更多的输出神经元,获得了更多的工件特征。实验验证表明,改进的分割网络模型应用到工件表面缺陷准确率达到了99.4%,比目前工件表面缺陷检测技术DeepLabv3、U-Net的准确率有所提高。