基于轻量级网络的钢板表面缺陷分类研究
Study on Surface Defect Classification of Steel Plate Based on Lightweight Network作者机构:内蒙古科技大学信息工程学院内蒙古包头014010
出 版 物:《计算机仿真》 (Computer Simulation)
年 卷 期:2022年第39卷第12期
页 面:507-512页
学科分类:081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:国家自然科学基金(61362023) 蒙古自治区自然科学基金资助项目(2018LH06001) 内蒙古自治区自然科学基金资助项目(2019MS06020)
摘 要:由于生产工艺及控制技术的限制,轧制钢板表面易产生几何特征复杂的缺陷,故引入精良的检测方法具有十分重要的意义。提出一种改进后的轻量级网络模型MobileNetV3,首先精简对模型贡献度较低的卷积核通道数,引入额外的卷积层结构提升网络泛化能力,利用迁移学习保留在源域数据集上学习到的模型参数,加速并优化对目标钢板缺陷数据集的学习效率。实验结果表明,改进后的MobileNetV3对目标钢板缺陷数据集的检测精度及相关评价指标上均为最佳,模型参数量仅为原始模型的1/4左右,相较于深层卷积神经网络在资源有限的设备上具备更好的检测效率。