基于多重孪生网络的表面缺陷识别方法

• 作 者: 王韵涛 盛庆华 郭晨洁 李竹
• 机 构: 杭州电子科技大学电子信息学院
• 出 处: 计算机应用
• 发表日期: 2020年S2期
• 关键词: 缺陷识别 深度学习 孪生网络 计算机视觉 印刷标签 defect recognition deep learning Siamese network compu
• 基金项目: 国家重点研发计划项目(2017YFC0307503),浙江省装备电子研究重点实验室资助项目(2019E10009),2018国家级大学生创新创业训练计划项目(201810336027)

对于工业产品缺陷检测,传统方法和普通神经网络在应用时难以覆盖种类繁多的缺陷类型,为此,提出了一种基于多重孪生神经网络模型的缺陷识别方法。该方法在原始孪生神经网络的基础上扩展输入分支,不仅可以判断待测图像有无缺陷,还可以输出有缺陷图像的缺陷类型。多重孪生网络首先将各输入图像转换为特征向量,并通过巴氏距离计算各输入图像和与各参考图像之间的相似度,最后通过K最近邻(KNN)算法,输出待测图像的缺陷类型。同时还建立了一个包含常见印刷缺陷的数据集,在该数据集上,实验精确率达到90.97%,召回率达到96.18