×

基于深度学习的发动机零件检测算法

消耗积分:0 | 格式:pdf | 大小:4.86 MB | 2021-06-03

分享资料个

　　针对人工和传统自动化算法检测发动机零件表面缺陷中准确率和效率低下，无法满足智能制造需求问题提岀了一种基于深度学习的检测算法。以 Faster r-CNN深度学习算法为算法框架，引入聚类理论来确定 anchor方案通过对比k- meansⅡ和CURE聚类算法生成 anchor对检测结果的影响，提出了基于聚类生成 anchor方案的 Faster R-CNN的零件表面缺陷检测算法，并引入多级ROI池化层结构，减少ROI池化过程中取整带来的偏差，实现高效并准确检测零件表面缺陷的目的。通过设计缺陷图像数据采集方案，建立了3种缺陷零件数据集，并验证了算法的性能。实验结果表明，该算法将缺陷检测的均值平均精度皿AP从原算法的54.σ%提高到97.9%，检测速度最快达到4.9fs，能够满足智能制造的生产需求。

下载并关注上传者 开通VIP，低至0.08元下载/次

声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉

评论(0)
发评论

下载排行榜

全部0条评论

快来发表一下你的评论吧 !