10.3969/j.issn.1009-0134.2022.05.040
机械设备轴承图像缺陷深度卷积神经网络检测
由于机械设备轴承区域受到工作区域的影响,采集图像中,噪声组成较为复杂,脉冲噪声和高斯噪声混合,很难通过单一小波去除,导致后续检测轴承部件缺陷难度加大,提出基于混合深度学习的机械设备轴承部件缺陷检测方法.将中值滤波和小波变换相结合,通过中值滤波剔除机械设备轴承部件图像混合噪声的脉冲噪声,采用改进的小波阈值去噪方法滤除图像高斯噪声.利用混合深度学习技术构建全新的卷积神经网络模型,将样本测试集作为输入样本训练卷积神经网络模型,输出缺陷检测结果,完成机械设备轴承部件缺陷检测.经过实验测试证明,所提方法的漏检率低、检测准确率高,能给准确检测机械设备轴承部件缺陷.
混合噪声、混合深度学习、机械设备、轴承部件、缺陷检测、卷积神经网络模型
44
TG457(焊接、金属切割及金属粘接)
2022-05-27（万方平台首次上网日期，不代表论文的发表时间）
共5页
175-179
