10.3969/j.issn.1674-2605.2019.04.003
基于深度学习的热轧钢带表面缺陷检测方法
针对人工检测热轧钢带表面缺陷错漏率高的现状,提出基于深度学习的热轧钢带表面缺陷检测方法.根据检测精度和速度的要求,采用深度学习SSD网络作为改进算法框架,并利用交叉特征融合的方法增强低层特征图的语义信息,从而提高热轧钢带表面缺陷的识别率.实验表明:改进后的CroSSD网络对热轧钢带表面小尺寸缺陷检测的mAP值达到73.7,速度达到40帧/s,相比SSD网络有更好的效果,且满足实时检测的需求.
深度学习、CNN、缺陷检测、特征融合、SSD
40
广州市科技计划珠江科技新星专题项目201806010128;广州市科技计划现代产业技术专题项目201802010021
2019-09-11（万方平台首次上网日期，不代表论文的发表时间）
共7页
11-16,19
