基于多尺度残差网络优化的工业品表面缺陷检测

来源：计算机测量与控制杂志2022年第4期北京时间：

作者：陈昕卓,李建军,张超

摘要：工业品表面缺陷检测是工业产品质量评估的关键环节,实现快速、准确、高效的检测对提升工业产能具有重要意义。本文针对传统神经网络提取特征尺度单一、参数量大,网络训练效率低等问题,提出了一种基于残差网络的多尺度特征融合与RBN结合的残差网络模型。首先该模型通过多尺度卷积特征融合模块提取不同尺度的特征信息；然后,通过引入RBN层,使特征分布更加均匀；最后,采用全局平均池化代替传统的全连接层来减少模型的参数量,实现输出通道与特征类别的直接映射。本文提出的网络模型在公开数据集NEU-DET上进行实验,识别率达到100%,在天池人工智能大赛铝型材缺陷数据集上的识别率达到98.8%,模型性能较为优异,可以很好的完成工业品表面缺陷检测任务。

关键词：工业品表面缺陷检测;多尺度特征;RBN;全局平均池化

基金资助：国家自然科学基金资助项目(62066036)、国家自然科学基金资助项目(51965052)