基于卷积神经网络与轮廓提取的连铸坯表面缺陷检测方法

• 作 者: 庄新卿 刘志 刘晗
• 机 构: 上海大学通信与信息工程学院,上海金艺检测技术有限公司
• 出 处: 工业控制计算机
• 发表日期: 2018年02期
• 关键词: 连铸坯 卷积神经网络 缺陷检测 continuous casting billet convolution neural networks defect det

在钢铁连铸坯的生产过程中,难免会产生各种类型的缺陷,严重的缺陷会对下一道轧制工艺产生不良的影响。然而,连铸坯表面图像具有背景纹理复杂、干扰因素多、真伪缺陷难辨等特点,加大了连铸坯缺陷检测的难度。提出了一种基于卷积神经网络与轮廓提取的连铸坯表面缺陷检测方法,该方法首先进行图像裁剪的预处理操作,然后利用图像块数据集对卷积神经网络进行训练,选择出分类准确率高的网络模型,接着结合边缘检测进行轮廓提取来进一步验证缺陷的真伪。实验结果表明,该方法具有较为理想的准确率。