|
|||||
|
|
| 基于卷积神经网络的齿轮表面缺陷检测方法 | |
| 引用本文： | Abdou Yahouza Maman Rabiou闫娟杨慧斌刘向前.基于卷积神经网络的齿轮表面缺陷检测方法[J].农业装备与车辆工程,2022(6):154-157. |
| 作者姓名： | Abdou Yahouza Maman Rabiou闫娟杨慧斌刘向前 |
| 作者单位： | 1.上海工程技术大学机械与汽车工程学院201620; |
| 摘 要： | 为了准确、定量地检测齿轮的表面缺陷,提出了2种采用深度学习算法的卷积神经网络模型(CNN)检测齿轮的表面缺陷。该方法对卷积核和卷积层进行了优化,并使用最大池化代替了大步长卷积,以扩大接收场的大小并以高分辨率捕获齿轮的精细特征,改进了分类器模块。使用和不使用数据扩充的Alex Net和Res Net模型都涉及通过操纵原始数据创建新数据点的过程,此过程无需添加新照片即可增加深度学习(DL)中训练图像的数量,适用于数据集较小的情况;收集生产过程中齿轮的200个图像的自数据集,通过灰度处理、调整图像大小获得清晰的目标齿轮轮廓并识别齿轮特征点。实验结果表明,经过训练的数据增强模型对Res Net和Alex Net分别具有95.83%和97.94%的最佳效果。与目前仅基于机器视觉的齿轮表面缺陷检测技术相比,该方法具有很好的通用性,获得了最高的识别率。 |
| 关 键 词： | AlexNet 深度学习 齿轮 表面缺陷检测 数据扩充 ResNet |
| 本文献已被 维普 等数据库收录！ | |