1、基于图像处理和深度学习的膜片缺陷检测
研究对象 膜片。本文提出了
1>图像预处理
图像梯度计算、图像二值化、图像开闭运算、图像相乘
2>修改模型参数
U2-net深度学习模型
2、基于 YOLO 的铝型材料表面小缺陷检测
研究对象:铝型材表面
1>扩张了检测尺度,改进后共四个检测头,改进锚框的计算。
2>运用 Net2Net以及迁移学习 的方法,对训练网络的权重及其他参数进行多重迁 移化处理,迁移学习。
迁移学习:1)选择预训练源 模型,选用开发者们在大型数据集上训练过的预训 练模型;2)重新使用模型,将第1步的预训练模型 作为下一个深度学习任务的起点,直接取其相应的 结构参数以及权重进行下一个任务的训练;3)调整 模型,根据目标数据集的具体属性对模型进行微调, 让模型适应新的目标检测任务
3、改进注意力机制的型钢表面微小缺陷检测方法
研究对象:型钢表面
1>双重多尺度注意力机制DMSA
多尺度长距离上下文特征 提取层,替代上采样操作之前的卷积过程。提高检测准确率
2>,使用深度可分离卷积替代YOLOv3模 型DarkNet53特征提干网络中的标准卷积,实现网络的 轻量化处理