一种基于深度学习的薄壁件铆接表面缺陷检测方法.pdf
文本预览下载声明
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117726589A
(43)申请公布日2024.03.19
(21)申请号202311734967.8
(22)申请日2023.12.15
(71)申请人沈阳理工大学
显示全部
文档详情
相似文档
-
一种基于深度学习的工件表面缺陷检测方法及系统.pdf
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 114881998 A
(43)申请公布日 2022.08.09
(21)申请号 202210587862.3
(22)申请日 2022.05.26
(71)申请人 秦皇岛威卡威佛吉亚汽车内饰件有
-
一种基于深度学习的工件表面缺陷检测和分割方法.pdf
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 113362277 A
(43)申请公布日 2021.09.07
(21)申请号 202110455912.8
(22)申请日 2021.04.26
(71)申请人 辛米
-
基于深度学习的工件表面缺陷检测方法研究.pdf
摘要
在工件生产过程中，常常会出现各种表面缺陷，如划痕、擦伤、凸起和裂缝
等，这些缺陷会对产品的外观、耐腐蚀性和使用寿命造成不利影响。因此，对工
件表面缺陷进行检测研究具有重要意义。随着人工智能技术的不断发展，工件表
面缺陷检测逐渐实现智能化。目前，工件表面缺陷智能化检测研究已取得了较大
进展，但仍然存在一些问题，例如小目标缺陷检测困难，数据样本量不足以及存
在噪声干扰导致检测精度较低等。鉴于上述问题，本文选择钢材、铝材和齿轮工
件作为研究对象，基于深度学习技术对工件表面缺陷检测方法进行研究，具体研
究内容如下：
（1）针对钢材、铝材和齿轮等三种工件数据集样本中存在一定程度的噪声
和小目标缺陷
-
基于深度学习的热轧带钢表面缺陷检测方法研究.pdf
摘要
热轧带钢作为机械工程的基础材料，在机械工业中发挥了巨大作用。热轧带钢
因为生产设备、生产流程等方面影响会产生表面缺陷，这是导致热轧带钢生产质量
降低的主要因素。传统的缺陷检测方法实施难度大，检测效率低下，难以满足热轧
带钢生产企业的实际需求。近年来，基于深度学习的热轧带钢表面缺陷检测方法能
够快速检测热轧带钢缺陷，然而现有方法在小尺度缺陷检测精度、检测速度和模型
轻量化方面尚存在一定局限性。针对上述问题，本文开展了以下研究：
（1）本文基于YOLOv5提出一种改进的网络热轧带钢表面缺陷检测方法。首
先，引入更为轻量化的RepVGG网络模块，减少参数量同时提高检测速度，从而
优化YOLOv
-
基于深度学习的表面缺陷检测方法综述.docx
PAGE
1-
基于深度学习的表面缺陷检测方法综述
一、引言
随着工业自动化程度的不断提高，表面缺陷检测技术在产品质量控制中扮演着至关重要的角色。传统的表面缺陷检测方法，如人工视觉检测和基于光学检测的自动化系统，往往存在效率低、成本高、易受环境影响等缺点。近年来，深度学习技术的飞速发展为表面缺陷检测领域带来了新的突破。据统计，2019年全球深度学习市场规模达到了约50亿美元，预计到2025年将增长至约300亿美元。这一趋势表明，深度学习在工业检测领域的应用前景广阔。
在表面缺陷检测中，深度学习模型能够自动从大量数据中学习特征，从而实现对缺陷的自动识别和分类。例如，在汽车制造领域，传统的表面缺陷
-
基于深度学习的钢材表面缺陷检测方法研究.pdf
摘要
在钢材的生产过程中，往往会因为设备以及加工环境等原因产生不同种类
的缺陷，从而影响钢材的质量，因此快速准确的检测出钢材表面缺陷是十分必
要的。随着近几年深度学习的快速发展，基于深度学习的目标检测方法逐渐替
代了传统的钢材表面缺陷检测方法，但是在钢材表面缺陷检测中仍有许多关键
问题没有解决，在检测过程中存在样本分布不均衡、定位困难、误检和漏检的
问题。面对工业生产中实时性的要求，过大的深度学习模型难以部署到合适的
设备上。因此针对上述问题，本文提出了一种改进的YOLOv7轻量化钢材表面
缺陷检测模型，并设计了钢材表面缺陷检测系统。主要工作如下：
针对钢材表面缺陷检测任务中目标尺度较小，缺陷
-
基于深度学习的钢材表面缺陷检测.pdf
基于深度学习的钢材表面缺陷检测
摘要
随着工业4.0概念的提出，数字化、智能化、自动化的钢材表面缺陷检测方式将逐
渐取代传统的人工检测方式。传统的钢材表面缺陷检测方法通常需要大量的人力和时间，
而且可能受到主观因素的影响，成本很高。而利用先进的自动化设备和基于深度学习的
技术可以实现钢材表面缺陷的自动化检测，大大提高了检测效率和准确性，降低了生产
成本。本文旨在研究面向工业化的深度学习钢材表面缺陷检测方法，以提高检测模型的
精度、增强泛化能力和鲁棒性。同时，对检测模型的轻量化改进，以降低模型的复杂度
并提升检测速度。致力于解决工业生产中钢材表面缺陷检测精度低、容易受到噪声干扰、
对于检测的实时
-
一种基于深度学习方法的芯片缺陷检测方法.pdf
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 114463269 A
(43)申请公布日 2022.05.10
(21)申请号 202111647594.1
(22)申请日 2021.12.29
(71)申请人 南京拟态智能技术研
-
基于小样本学习的表面缺陷检测方法.docx
基于小样本学习的表面缺陷检测方法
1.内容综述
随着工业生产中产品表面质量的日益重要，表面缺陷检测技术也成为了研究热点。传统的表面缺陷检测方法往往依赖于大量的样本进行训练，但在实际应用中，由于样本采集困难、成本高昂，以及某些恶劣环境的影响，获取大量标注数据变得异常困难。基于小样本学习的表面缺陷检测方法应运而生，并在近年来得到了广泛的关注和研究。
基于小样本学习的表面缺陷检测方法主要利用少量的样本信息来推断出整个缺陷表面的特性。这类方法通常通过提取样本的特征来进行分类或识别，进而判断表面是否存在缺陷。由于小样本学习能够有效地解决样本稀缺问题，因此在处理复杂场景下的表面缺陷检测时具有显著的优势。
-
基于小样本学习的表面缺陷检测方法.pdf
基于小样本学习的表面缺陷检测方法
1.内容综述
随着工业生产中产品表面质量的日益重要，表面缺陷检测技术也
成为了研究热点。传统的表面缺陷检测方法往往依赖于大量的样本进
行训练，但在实际应用中，由于样本采集困难、成本高昂，以及某些
恶劣环境的影响，获取大量标注数据变得异常困难。基于小样本学习
的表面缺陷检测方法应运而生，并在近年来得到了广泛的关注和研究。
基于小样本学习的表面缺陷检测方法主要利用少量的样本信息
来推断出整个缺陷表面的特性。这类方法通常通过提取样本的特征来
进行分类或识别，进而判断表面是否存在缺陷。由于小样本学习能够
有效地解决样本稀缺问题，因此在处理复杂场景下的表面缺陷检测时
具
-
一种基于深度学习的长尾夹缺陷检测方法及系统.pdf
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 113344847 A
(43)申请公布日 2021.09.03
(21)申请号 202110432409.0
(22)申请日 2021.04.21
(71)申请人 安徽工业大学
地址
-
一种基于深度学习的锻件缺陷检测方法.pdf
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 113393439 A
(43)申请公布日 2021.09.14
(21)申请号 202110659509.7
(22)申请日 2021.06.11
(71)申请人 重庆
-
一种基于深度学习的工业零件缺陷检测方法.pdf
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 113392915 A
(43)申请公布日 2021.09.14
(21)申请号 202110695517.7 G01N 21/88 (2006.01)
(22)申请日 2
-
一种基于双深度学习模型的视觉缺陷检测方法.pdf
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 112819829 A
(43)申请公布日 2021.05.18
(21)申请号 202110417743.9 G06N 3/08 (2006.01)
(22)申请日 20
-
一种基于深度学习的气缸套缺陷标检测方法.pdf
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 114549446 A
(43)申请公布日 2022.05.27
(21)申请号 202210146225.2 G06N 3/08 (2006.01)
(22)申请日 2022.02.1