基于VGG16-SVM-SSA的产品表面质量检测方法

来源：计算机集成制造系统杂志2024年第12期北京时间：

作者：钟武昌, 战洪飞, 林颖俊, 叶晨, 余军合, 王瑞

单位：1.宁波大学机械工程与力学学院2.中银(宁波)电池有限公司

摘要：针对传统视觉检测方法容易出现漏检、错检、识别效率低等问题,提出一种基于深度学习的产品表面质量检测方法,加速产线检测效率和提高质量控制智能化水平。首先,从产品表面质量检测基本流程出发,进行产品表面质量问题建模。在此基础上,构建改进的VGG16网络模型进行图像识别,该模型采用支持向量机(SVM)代替VGG16网络模型中的softmax分类器,并引用麻雀搜索算法(SSA)进一步优化SVM超参数,从而增强模型分类精度。同时搭建图像缺陷特征知识库,完善标准产品表面缺陷数据体系。最后,设计开发了基于深度学习的工业云平台质量检测系统,实现产线、设备、人员之间的高效交互联通,以及产品表面质量数据的实时采集、传输、智能检测和数据管理,采用铸造叶轮案例验证了所提模型和方法的可行性。

关键词：质量检测,VGG16网络模型,支持向量机,麻雀搜索算法,工业云平台

基金资助：浙江省自然科学基金资助项目(Z25E050003);国家自然科学基金资助项目(71671097);宁波市各区县支持宁波大学“双一流”建设合作任务分设项目(HX2024000402);健康智慧厨房浙江省工程研究中心资助项目。