基于语义分割的磁瓦表面缺陷检测

作     者：施铭昊 

作者单位：吉林大学 

学位级别：硕士

导师姓名：关玉景

授予年度：2022年

学科分类：080801[工学-电机与电器] 0808[工学-电气工程] 08[工学] 080203[工学-机械设计及理论] 0805[工学-材料科学与工程（可授工学、理学学位）] 080502[工学-材料学] 0802[工学-机械工程] 

主      题：缺陷检测 卷积神经网络 语义分割 U-Net模型 

摘      要：工业零件的表面缺陷检测是工业生产中最关键的一环,但大多数工厂还是采用人工目检的方式进行。智能化与自动化是行业趋势,是近代产业革命的主题,为探究表面缺陷检测的自动检测技术,本文在磁瓦数据集上,基于深度学习模型U-Net进行了磁瓦缺陷的语义分割检测研究,设计了以新型特征提取网络Rep VGG为编码器的U-Net语义分割模型,剔除了U-Net编码器头部的扩充通道冗余结构使网络呈现对勾型,并在VOC数据集进行知识迁移,采用多种损失函数结合的训练策略应对小样本和样本不平衡问题,最终模型在速度和精度上都取得不错的效果。首先,本文介绍了表面缺陷检测的研究背景,包括基于深度学习的机器视觉表面缺陷检测研究现状,深度卷积神经网络和语义分割算法等概念;其次介绍了本文模型相关的模型架构、度量学习等内容;最后展示了我们的模型及一些对比实验和消融实验结果。实验结果表明本文所采用的结构以及训练策略是有效的,模型的分割精度在m Io U和m PA两种指标下都取得不错效果,模型占用内存比较小,推理速度较快,整体表现比较优异。