基于改进领域对抗网络的瓷砖表面缺陷检测

来源：电子测量技术杂志2022年第24期北京时间：

作者：林行，陈新度，吴磊，练洋奇

单位：广东工业大学机电工程学院 广州 510006

摘要：深度神经网络作为主流的表面缺陷检测方法之一，需要大量样本进行模型训练，而随着瓷砖产品多样化，同类型瓷砖缺陷样本有限。本文提出一种基于改进域对抗神经网络（MDANN）的瓷砖表面缺陷检测方法，参考传统的DANN结构，首先，在ImageNet公共数据集上预训练保存网络参数，提高训练速度；然后，在原网络中加入瓶颈层，并利用最大均值差异指标优化领域分布差异，改善了原DANN网络筛选源域的能力，实现小样本瓷砖的缺陷检测。实验结果表明，MDANN对瓷砖表面缺陷的有效检出率达98.77%，相比于原DANN网络提高了3.53%，可快速适用于不同类型的瓷砖检测，泛化性好。

关键词：瓷砖缺陷检测;深度学习;迁移学习;领域自适应神经网络（DANN）

基金资助：佛山市产业领域科技攻关项目（2020001006297）、佛山市顺德区核心技术攻关项目（2030218000174）资助