基于 Detectron2 框架的镁合金铸件 X 射线图像缺陷检测与分割
计算机视觉与模式识别
2022-03-01 v1 人工智能
摘要
新兴的生产技术使得生产形状更为复杂的金属零件成为可能，令质量控制过程更加困难。这意味着视觉与表面分析变得更加低效。此外，也无法检测这些零件可能具有的内部缺陷。X 射线图像的使用使该过程大为简便，不仅能以更简单的方式检测表面缺陷，还能检测焊接或铸造缺陷，这些缺陷可能对金属零件的物理完整性构成严重威胁。另一方面，采用自动分割方法进行缺陷检测将有助于减少对工厂操作员主观性及其时间依赖性变化的依赖。本文旨在应用基于 Detectron2 的深度学习系统（一个应用于图像目标检测与分割的先进库），对主要取自汽车零件的 X 射线图像中的此类缺陷进行识别与分割。
引用
@article{arxiv.2202.13945,
title = {Defect detection and segmentation in X-Ray images of magnesium alloy castings using the Detectron2 framework},
author = {Francisco Javier Yagüe and Jose Francisco Diez-Pastor and Pedro Latorre-Carmona and Cesar Ignacio Garcia Osorio},
journal= {arXiv preprint arXiv:2202.13945},
year = {2022}
}
备注
13 pages, 6 figures