基于深度学习的磁芯表面缺陷检测研究

来源：计算机测量与控制杂志2023年第3期北京时间：

作者：吴显德,陈科宇,周宝,雷雅彧,翁扬凯,王宪保

单位：浙江华是科技股份有限公司

摘要：在产品表面缺陷智能检测过程中,存在缺陷样本收集困难、样本不平衡、目标尺寸小和难以定位等问题。针对磁芯表面缺陷检测中存在的问题进行了研究,提出了一种基于深度学习的图像增强和检测方法,首先利用结合高斯混合模型的深度卷积生成对抗网络生成磁芯缺陷图像,然后结合泊松融合方法产生增强的数据集,最后基于YOLO-v3网络,实现了磁芯表面缺陷的智能检测。实验表明,该方法能够生成质量更高、缺陷更明显的图像,检测准确度提升了5.6%。

关键词：磁芯;缺陷检测;深度卷积生成对抗网络;图像融合;深度学习

基金资助：浙江省科技计划项目(NO.2019C011123),浙江省基础公益研究计划项目(NO.LGG19F030011)