基于深度学习的铝材表面缺陷检测

来源：华东师范大学学报·哲学社会科学版杂志2020年第6期北京时间：

作者：张旭, 黄定江

摘要：随着信息技术在工业制造领域的深入应用, 工业制造大数据研究正成为实现智能制造、帮助政府指导制造企业转型升级的重要参考依据. 在传统的钢铁、铝材等金属制造行业, 更是存在生产方式粗放、生产工艺简单等问题. 因此, 迫切需要利用人工智能等新一代信息技术来改善生产流程，提高生产效率. 在使用铝材时, 必须检查铝材表面. 现有的铝材表面缺陷检测受限于传统人工肉眼检查, 十分费力, 或基于传统的机器视觉算法, 识别率不高, 通常不能及时准确地判断出表面瑕疵. 为解决这些问题，利用深度学习来进行铝材表面缺陷检测: 首先运用两大目标检测算法Faster R-CNN(Region-CNN(Convolutional Neural Networks))和YOLOv3对制作的铝材缺陷数据集进行检测; 然后基于YOLOv3算法进行改进, 提升铝材表面很小缺陷的检测效果. 在广东工业智造大数据创新大赛提供的“铝型材瑕疵识别”数据集上进行了实验验证, 实验结果显示, 改进算法的平均精度均值(mean Average Precision, mAP)比YOLOv3算法高3.4%, 比Faster R-CNN算法高1.8%.

关键词：铝材缺陷,检测,机器视觉,深度学习,

基金资助：国家自然科学基金(U1711262, 11501204)