基于多尺度卷积神经网络的玻璃表面缺陷检测方法

来源：计算机集成制造系统杂志2020年第4期北京时间：

作者：熊红林,樊重俊,赵珊,余莹

单位：1.上海理工大学管理学院2.IBM中国上海分公司

摘要：卷积神经网络在图像处理中的应用越来越广泛,针对图像处理技术手段在玻璃生产表面缺陷有效检验,分析了基于卷积神经网络的机器学习原理与方法,提出一种基于多尺度卷积神经网络(MCNN)图像识别模型,将MCNN模型在玻璃表面缺陷识别中进行应用实践研究,通过采用不同的算法模型和分类器进行对比实验,并运用混淆矩阵和F1值来评估学习器性能。实验结果表明,所设计的MCNN均比传统卷积神经网络(CNN)识别方法的准确率较高,尤其是在划痕缺陷和杂质缺陷图像的识别准确率上提高了较大的幅度,F1值均提高了5.0%以上,在玻璃缺陷检测的整体识别准确率上较优。

关键词：卷积神经网络,机器学习,Softmax回归,支持向量机,玻璃缺陷检测

基金资助：国家自然科学基金资助项目(71774111);上海市教育委员会科研创新重点基金资助项目(14ZZ131)。