基于多尺度卷积神经网络的手机表面缺陷识别方法

• Published in: 北京工业大学学报 Vol. 49; no. 11; pp. 1150 - 1158
• Main Authors: 韩红桂, 甄晓玲, 李方昱, 杜永萍
• Format: Journal Article
• Language: Chinese
• Published: 北京工业大学信息学部, 北京 100124 01.11.2023; 计算智能与智能系统北京市重点实验室, 北京 100124%北京工业大学信息学部, 北京 100124; 计算智能与智能系统北京市重点实验室, 北京 100124; 数字社区教育部工程研究中心, 北京 100124%北京工业大学信息学部, 北京 100124
• Subjects: 识别精度; logistic loss function (LLF); neighborhood feature enhancement; 识别方法; 多尺度卷积神经网络(multi-scale convolutional neural networks,MSCNN); 逻辑损失函数(logistic loss function,LLF); Sobel operator; Sobel算子; mobile phone surface defects; multi-scale convolutional neural networks (MSCNN); 邻域特征增强; recognition methods; 手机表面缺陷; recognition accuracy
• ISSN: 0254-0037
• DOI: 10.11936/bjutxb2022010021

TP183; 针对手机表面缺陷难以精确识别的问题,提出一种兼具Soble算子、逻辑损失函数(logistic loss function,LLF)和多尺度卷积神经网络(multi-scale convolutional neural networks,MSCNN)手机表面缺陷识别方法SL-MSCNN.首先,构建了一种基于Sobel算子的邻域特征增强方法,排除了图像中光照、阴影等无关因素的干扰;其次,设计了一种基于MSCNN的缺陷识别方法,通过获得手机表面图像的多尺度信息,提高了手机表面缺陷的识别精度,同时,引入了LLF,通过降低梯度消失发生的概率加快训练的检测速度.实验结果表明:与其他手机表面缺陷识别方法相比,SL-MSCNN在准确率和效率方面具有更好的使用价值.