使用剪枝 ResNet 模型识别缺陷矿棉
计算机视觉与模式识别
2023-09-06 v1 图像与视频处理
摘要
矿棉生产是一个非线性过程，难以控制最终质量。因此，拥有一种分析产品质量并识别缺陷产品的非破坏性方法至关重要。为此，我们开发了一种用于矿棉的视觉质量控制系统。收集了矿棉试样的 X 射线图像以创建缺陷与无缺陷样本的训练集。随后，我们基于 ResNet 架构开发了若干识别模型以寻找最高效的模型。为在现实应用中具备轻量和快速推理的模型，对分类器采用了两种结构化剪枝方法。考虑到数据集数量较少，训练过程中使用了交叉验证和增强方法。结果，我们获得了准确率超过 98% 的模型，与公司当前所用流程相比，可多识别 20% 的缺陷产品。
引用
@article{arxiv.2211.00466,
title = {Recognition of Defective Mineral Wool Using Pruned ResNet Models},
author = {Mehdi Rafiei and Dat Thanh Tran and Alexandros Iosifidis},
journal= {arXiv preprint arXiv:2211.00466},
year = {2023}
}
备注
6 pages, 5 figures, 3 tables Submitted on IEEE Transactions on Industrial Informatics