期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于孪生网络的工业缺陷弱监督视觉检测算法
1
作者
张海刚
鲁伽祎
+1 位作者
匡国文
陈志彬
《深圳大学学报(理工版)》
CAS
CSCD
北大核心
2023年第6期657-664,共8页
工业品缺陷存在目标多尺度和随机性等特点,易导致现有的目标检测算法出现误检或漏检现象.基于卷积神经网络架构,提出一种高性能的工业缺陷视觉检测模型,记为SNDec(Siamese network detection).采用并行权重共享的孪生网络(Siamese netwo...
工业品缺陷存在目标多尺度和随机性等特点,易导致现有的目标检测算法出现误检或漏检现象.基于卷积神经网络架构,提出一种高性能的工业缺陷视觉检测模型,记为SNDec(Siamese network detection).采用并行权重共享的孪生网络(Siamese network, SN)将工业缺陷转化为视觉差异特征.孪生网络由并行特征提取通道构成,并以两通道的差异特征作为输出,能够在抑制同类属性的前提下,最大程度地凸显缺陷特征.结合弱监督定位算法,所提模型能够在实现高精度识别的同时,获取工业缺陷发生位置.通过引入卷积块注意力机制(convolutional block attention module, CBAM),进一步提升了模型检测精度.在真实工况采集的注塑瓶盖数据集以及公开的MVTec数据集上,将当前主流的工业品缺陷视觉检测算法(ResNet 50、1-NN、U-Student和GANomaly)与SNDec模型进行比较.结果表明,SNDec模型取得了89.2%的分类准确率和90.1%的召回率,比ResNet50模型分别提高了5.7%和3.2%.仿真结果验证了基于差异特征实现工业缺陷检测的有效性,结合弱监督定位算法Grad-CAM,SNDec模型能够以热力图形式实现准确的工业缺陷定位,为工业缺陷特征刻画提供更为丰富的信息.
展开更多
关键词
人工智能
模式识别
计算机神经网络
计算机图象处理
工业视觉
孪生网络
卷积神经网络
下载PDF
职称材料
题名
基于孪生网络的工业缺陷弱监督视觉检测算法
1
作者
张海刚
鲁伽祎
匡国文
陈志彬
机构
深圳职业技术大学粤港澳大湾区人工智能应用技术研究院
辽宁科技
大学
电子与信息工程学院
出处
《深圳大学学报(理工版)》
CAS
CSCD
北大核心
2023年第6期657-664,共8页
基金
深圳职业技术学院深圳市高端人才科研启动资助项目(6021310030K)
深圳职业技术学院科研基金资助项目(6022310006K)
广东省教育厅重点领域专项资助项目(2020ZDZX3082,2023ZDZX1081,2023KCXD077)。
文摘
工业品缺陷存在目标多尺度和随机性等特点,易导致现有的目标检测算法出现误检或漏检现象.基于卷积神经网络架构,提出一种高性能的工业缺陷视觉检测模型,记为SNDec(Siamese network detection).采用并行权重共享的孪生网络(Siamese network, SN)将工业缺陷转化为视觉差异特征.孪生网络由并行特征提取通道构成,并以两通道的差异特征作为输出,能够在抑制同类属性的前提下,最大程度地凸显缺陷特征.结合弱监督定位算法,所提模型能够在实现高精度识别的同时,获取工业缺陷发生位置.通过引入卷积块注意力机制(convolutional block attention module, CBAM),进一步提升了模型检测精度.在真实工况采集的注塑瓶盖数据集以及公开的MVTec数据集上,将当前主流的工业品缺陷视觉检测算法(ResNet 50、1-NN、U-Student和GANomaly)与SNDec模型进行比较.结果表明,SNDec模型取得了89.2%的分类准确率和90.1%的召回率,比ResNet50模型分别提高了5.7%和3.2%.仿真结果验证了基于差异特征实现工业缺陷检测的有效性,结合弱监督定位算法Grad-CAM,SNDec模型能够以热力图形式实现准确的工业缺陷定位,为工业缺陷特征刻画提供更为丰富的信息.
关键词
人工智能
模式识别
计算机神经网络
计算机图象处理
工业视觉
孪生网络
卷积神经网络
Keywords
artificial intelligence
pattern recognition
neural network
computer image processing
industrial vision
Siamese network
convolutional neural network
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
TP183 [自动化与计算机技术—控制理论与控制工程]
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于孪生网络的工业缺陷弱监督视觉检测算法
张海刚
鲁伽祎
匡国文
陈志彬
《深圳大学学报(理工版)》
CAS
CSCD
北大核心
2023
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部