缺陷检测组 工作进展 （一）

最新推荐文章于 2024-08-26 19:15:22 发布
最新推荐文章于 2024-08-26 19:15:22 发布
阅读量636 收藏
点赞数
分类专栏： 缺陷检测组 工作进展
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/poetrywonderer/article/details/83189223
版权

缺陷检测组 工作进展 （一）

时间：2018.10.19
内容：Faster RCNN 复现（一）


具体任务：RPN网络复现
主要内容：

  1. 网络输入数据，以及anchor的设置
  2. 网络结构搭建，代码实现
  3. Loss函数的代码实现

问题分析：Faster RCNN 在Fast RCNN 的基础上提出了RPN网络，主要的创新点在于提出了anchor的机制。因此，在复现过程中，难点就在于anchor的设计，以及Loss 函数的代码实现。

anchor机制
在这里插入图片描述

Loss函数设计
在这里插入图片描述
在这里插入图片描述

References

[1]Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks

poetrywonderer
关注
专栏目录
最新工业基于点云的3D缺陷检测和分类综述
3D视觉工坊
02-22 544
点击下方卡片，关注「3D视觉工坊」公众号选择星标，干货第一时间送达来源：3D视觉工坊添加小助理：dddvision，备注：点云检测，拉你入群。文末附行业细分群论文题目：ADVANCEMENTS IN POINT CLOUD-BASED 3D DEFECT DETECTION AND CLASSIFICATION FOR INDUSTRIAL SYSTEMS: A COMPREHENSIVE SUR...
缺陷检测数据集
11-15
缺陷检测数据集，用于训练缺陷检测神经网络。从https://github.com/sundyCoder/DEye下载
缺陷检测
zyb的博客
04-08 3538
基本框架如下： 1.图像处理 图像增强 图像滤波（高斯滤波、均值滤波、中值滤波） 直方图均衡化 伽马变化 图像分割 基于阈值的分割 基于区域的分割 基于形态学分水岭的分割 2.特征提取 几何特征（区域周长、面积大小、位置、缺陷质心） 形状特征（矩形度、细长度、圆形度、致密度、不变矩、偏心率） 颜色特征（颜色直方图、颜色聚合向量、颜色矩） 纹理特征（统计法_直方图、频谱法_傅里叶） 灰度特征（灰度直方图信息_方差、均值、熵） 缺陷图像的特征提取实现了从图像空间到特征空间的转换.
机器视觉-2 检测原理之缺陷检测方法
最新发布
kaimingD的博客
08-26 830
缺陷检测在工业制造和质量控制等领域中至关重要。根据图像背景的复杂程度和特征差异，缺陷检测方法通常分为三类：单调背景、规则纹理背景和无规则图像背景。在单调背景下，阈值分割和差分法能够有效地识别明显的缺陷区域。对于规则纹理背景，模板匹配和Gabor滤波器可以精确检测纹理中的异常变化。此外，傅里叶变换作为一种频域分析工具，能够识别周期性纹理中的缺陷，尤其适用于规则纹理背景下的缺陷检测。在无规则图像背景中，边缘检测、图像分割（如Watershed算法）以及深度学习方法适合用于处理复杂的缺陷模式。
KCG-VISION：缺陷检测
楷尘·极客
06-24 1813
新建工程 新建工程"Image_Diff"，其过程或下载软件可以参考《KCG-VISION：获取图片》。 实验目的 一张标准图像，一张缺陷图像，并且这两张图像存在平移旋转的差异，找到缺陷位置。 标准图像 缺陷图像 相关算子 最终的算子脚本如下图： 运行效果 差分后，白色的为缺陷位置。 ...
缺陷检测（图像处理部分）
qq_60609496的博客
08-04 1万+
零件缺陷检测相关论文
0020_缺陷检测（1）
ymj7150697的专栏
10-11 2171
常见缺陷的分类： 1. 外部边缘的：凸凹缺陷 2. 内部的：污点、内部凸凹点、瑕疵、孔洞、破损、烫伤、侵染等 3. 划痕 缺陷检测的处理步骤： 1.打光： 划痕的打光： 低角度环形光；划痕打白，背景打暗 同轴光 条光对打 凸点：一定角度的光，凸点亮 凹点：垂直光，凹点暗 2. 缺陷检测处理的6种方法： blob分析+特征 blob分析+特征+差分 频...
综述|工业金属平面材料表面缺陷自动视觉检测的研究进展
qq_29462849的博客
02-17 950
点击上方“计算机视觉工坊”，选择“星标”干货第一时间送达摘要：基于计算机视觉的金属材料表面缺陷检测是冶金工业领域的研究热点。在金属制造行业中，高标准的平面质量要求自动视觉检查系统及其算法的...
芯片组装可靠性与检测方法研究进展.pdf
07-26
作者陈材等人的工作为芯片组装方面的技术人员提供了一份有价值的研究资料，不仅概述了国内外在芯片组装质量检测和可靠性研究的最新进展，也为该领域的研究与实践提供了理论指导和技术参考。通过进一步的研究和实践，...
缺陷检测（一）-- 通过CNN方法实现布匹缺陷检测
DIAJEY的博客
09-05 5041
参考论文： 《A fast and robust convolutional neural network-based defect detection model in product quality control》–Tian Wang·Yang Chen·Meina Qiao·Hichem snoussi 1. CNN结构设计： 1.1． 输入图像： 三通道彩色图像或单通道灰色图片 1.2． ConV(卷积层)： 卷积层利用一组滤波器，且这组滤波器仅连接到最后一层输出的一小部分。使用33或55的矩阵去
python轮胎缺陷检测_基于深度学习的轮胎缺陷无损检测与分类技术研究
weixin_39689428的博客
12-10 1202
基于深度学习的轮胎缺陷无损检测与分类技术研究【摘要】：随着汽车行业快速发展及汽车保有量的持续增长,大大增加了对轮胎的需求,而轮胎质量在很大程度上决定了轮胎的使用寿命,也是在行驶过程中对人们生命财产安全的保障,同时对轮胎进行在线质量检测也便于轮胎生产企业及时发现生产线中存在的不合格产品,以此来调整机械设备甚至轮胎的生产工艺,避免造成生产材料的浪费。因此,检测轮胎质量是轮胎生产过程中必不可缺少的一部分...
基于matlab的工件缺陷检测
05-23
通过比较待测工件与标准工件连通域的区别来判断工件是否有缺陷
深度学习实现零件缺陷检测源代码
09-12
结合VGG和残差网络实现工业零件的缺陷检测，基于keras和tensorflow可以直接运行使用
表面缺陷检测：机器视觉检测技术
cszn6666的博客
08-02 2万+
导读：传统的工业生产制造，由于科学技术的限制仍然主要采用人工检测的方法去检测产品表面的缺陷，这种方法由于人工的限制和技术的落后，不仅检测产品的速度慢、效率低下，而且在检测的过程中容易出错，从而导致了检测结果的不精确。   当今社会，随着计算机技术，人工智能等科学技术的出现和发展，以及研究的深入，出现了基于机器视觉技术的表面缺陷检测技术。这种技术的出现，大大提高了生产作业的效率，避免了因作业...
制造业中的微小缺陷检测——应用场景分析与算法选择(YoloV8/CANet)
知来者逆的博客
10-24 6536
在制造业中，小缺陷的检测是一个具有挑战性的问题，因为它们通常具有较少的像素覆盖，缺乏足够的关注和语义信息。现有的卷积检测方法忽视了上下文的长程依赖，并且缺乏自适应融合策略来利用异构特征。 深度学习方法在检测小缺陷时通常表现较差，因为少数像素的覆盖缺乏细节，如异常值、边缘和纹理，导致语义不足和感知困难。此外，来自实际工业环境的图像通常受到背景光反射、模糊和污垢等污染，使得难以从背景中区分轮廓并专注于小缺陷。
基于深度学习识别模型的缺陷检测
热门推荐
qq_29462849的博客
12-03 4万+
一、介绍 缺陷检测被广泛使用于布匹瑕疵检测、工件表面质量检测、航空航天领域等。传统的算法对规则缺陷以及场景比较简单的场合，能够很好工作，但是对特征不明显的、形状多样、场景比较混乱的场合，则不再适用。近年来，基于深度学习的识别算法越来越成熟，许多公司开始尝试把深度学习算法应用到工业场合中。 二、缺陷数据 如下图所示，这里以布匹数据作为案例，常见的有以下三种缺陷，磨损、白点、多线。 如何制作训练数...
缺陷检测~技术总结
whaosoft143ai的博客
02-21 563
小图的目标检测以识别小目标为主，即在大图上是在检索不到的，一般在7x7像素至30x30像素之间，小目标的检测是一个难题，但在工业界提升精度并保证推理速度最快的方式就是加数据和堆卡，至于模型的选型，自然是满足推理时延范围内选精度比较高且其他方面相对合适的。这项任务的目的是确保产品的外观质量和功能性满足预定的要求，从而提高产品的整体质量和客户满意度。从算法工程师角度，我们往往关注于整个系统的节拍和成像的耗时（工控机最终得到单个完整图片的时间），以及最后的图像是单通道的还是多通道的，是2D检测还是三维检测。
缺陷检测方法总结
xiaochuideai的博客
07-04 800
只是一个简单的工业缺陷检测通用方法汇总，用于提示作用
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值