基于深度学习方法的传送带缺陷检测

来源：计算机测量与控制杂志2024年第8期北京时间：

作者：钟信,彭力

单位：江南大学物联网工程学院物联网技术应用教育部工程研究中心

摘要：针对传送带瑕疵在图像中所占有的像素相对有限、特征相对微弱且分布不均匀的问题，设计了一个传送带缺陷检测系统，并提出了一种基于高斯混合模型(GMM, gaussian mixture model)的标签分配策略；利用特征感受野遵循高斯分布的先验信息进行高斯建模，并通过动态调整机制适应不同尺度的传送带缺陷，能够更有效地提升对微小瑕疵的捕捉能力；使用感受野距离取代交并比来衡量高斯感受野和真实标签的相似度，并通过二者之间的相似度来分配样本，从而有效提高了样本分配的准确性；使用高斯混合模型并通过期望最大化(EM, expectation-maximization)算法拟合概率分布，实现了对特征点的自适应正负样本分配，能够有效避免微小瑕疵特征微弱所导致的漏检问题；结果表明，高斯混合模型标签分配策略对传送带缺陷检测精度的提升十分明显，相对于基准网络，精度提升3.8%。

关键词：传送带;高斯分布;感受野;高斯混合模型;缺陷检测

基金资助：国家自然科学基金项目（面上项目，重点项目，重大项目）