Our official English website, www.x-mol.net, welcomes your
feedback! (Note: you will need to create a separate account there.)
基于偏转测量和深度学习的镜面缺陷检测方法
Optical Engineering ( IF 1.1 ) Pub Date : 2022-02-01 , DOI: 10.1117/1.oe.61.6.061407 Jingtian Guan 1 , Ji Li 1 , Xiao Yang 1 , Xiaobo Chen 1 , Juntong Xi 1
Optical Engineering ( IF 1.1 ) Pub Date : 2022-02-01 , DOI: 10.1117/1.oe.61.6.061407 Jingtian Guan 1 , Ji Li 1 , Xiao Yang 1 , Xiaobo Chen 1 , Juntong Xi 1
Affiliation
镜面缺陷检测在精密制造中起着至关重要的作用。然而,传统的缺陷检测方法由于其镜面反射特性而不适用于镜面。镜面缺陷检测通常由检测人员执行,这使得缺陷检测成为一项耗时且不稳定的任务。偏转测量法已广泛用于结合机器学习的镜面表面缺陷检测。然而,传统的挠度测量方法使用基于展开相位的局部曲率偏差图,只能检测几何缺陷。此外,需要为每个特定任务定义手工制作的功能。我们提出了一种基于偏转测量和深度学习的方法。偏转测量为网络提供输入图像,深度学习网络完成缺陷的识别和定位。在偏转测量中,所提出的方法使用光强度对比图代替局部曲率图,可以检测几何和纹理缺陷。在传统网络的基础上,采用深度可分离卷积核来减少参数,利用残差卷积块来缓解梯度消失或爆炸。用于特征聚合的子网用于获取缺陷特征的多尺度信息。基于实验结果的性能评价证明了所提方法的有效性。在传统网络的基础上,采用深度可分离卷积核来减少参数,利用残差卷积块来缓解梯度消失或爆炸。用于特征聚合的子网用于获取缺陷特征的多尺度信息。基于实验结果的性能评价证明了所提方法的有效性。在传统网络的基础上,采用深度可分离卷积核来减少参数,利用残差卷积块来缓解梯度消失或爆炸。用于特征聚合的子网用于获取缺陷特征的多尺度信息。基于实验结果的性能评价证明了所提方法的有效性。
"点击查看英文标题和摘要"
更新日期:2022-02-01
"点击查看英文标题和摘要"