具体来说,根据本发明的一种实施方式,首先在步骤s21中,利用层拍相机沿z轴方向对镜头内部进行层拍获得50张图片,将50张图片按照顺序每5张分为一组,共分为10组。然后对每一组图片进行缺陷分割和识别,将符合缺陷标准的所有缺陷放入到缺陷容器中。接着将位于同一位置处的多个缺陷筛选出来,筛选方法是通过在同一位置处计算缺陷中心距离偏差值,保留偏差值小于设定距离阈值的所有缺陷作为该位置不同层的缺陷。
由于CNN强大的特征提取能力,采用基于CNN的分类网络目前已成为表面缺陷分类中的模式一般来说,现
有表面缺陷分类的网络常常采用计算机视觉中现成的网络结构,包括AlexNet, VGG, GoogL eNet,ResNet,
SENet, ShuteNet,MobileNet等。利用分类网络结合上滑动窗口的方式可以实现缺陷的定位。
Deep learning-based crack damage detection using convolutional neural networks
以上信息由专业从事表面瑕疵检测的宣雄于2024/6/22 13:27:14发布
转载请注明来源:http://szhou.mf1288.com/szxxznlj-2774206449.html