基于卷积神经网络的不均匀光照表面缺陷检测
计算机视觉与模式识别
2023-07-18 v3 图像与视频处理
摘要
基于机器视觉的表面缺陷检测常受不均匀光照影响。为提高不均匀光照条件下表面缺陷检测的检出率，本文提出一种基于卷积神经网络检测表面图像缺陷的方法，该方法通过对卷积神经网络进行调整、训练参数、改变网络结构，以达到准确识别各类缺陷的目的。在铜带与钢材图像缺陷检测上的实验表明，卷积神经网络无需对图像进行预处理即可自动学习特征，并能正确识别受不均匀光照影响的各类图像缺陷，从而克服了传统机器视觉检测方法在不均匀光照下的弊端。
引用
@article{arxiv.1905.06683,
title = {Uneven illumination surface defects inspection based on convolutional neural network},
author = {Hao Wu and Yulong Liu and Wenbin Gao and Xiangrong Xu},
journal= {arXiv preprint arXiv:1905.06683},
year = {2023}
}