PCB缺陷检测 它包含一些用于PCB缺陷检测的基本代码和说明 main.m是传统检查方法的代码。 test.py是深度学习方法的代码。 vgg.py是VGG模型的代码

瑕疵检测代码-matlab 在使用这些代码之前，请阅读此“ readMe.txt”文件。 这些代码仅供非商业用途共享。 出于商业目的，请与作者联系：。 这是MATLAB 2010中WTMF策略的实现示例，如果使用这些代码，请引用以下论文 X. Zhou，Y。Wang，Q。Zhu，J。Mao，C。Xiao，X。Lu，H。Zhang，“使用视觉注意模型和小波变换的玻璃瓶底部表面缺陷检测框架，” IEEE Transactions on工业信息学。 审查中，第**页，2019年。 共有三个文件夹，分别是“ testImages”，“ WTMFmatlab”和“ result”，用于保存测试图像，建议的WTMF策略代码和缺陷检测结果。 对于MATLAB代码，存在三个.m文件：example_ATdetWaveMF.m，funATdetWaveMF.m，funSecondDerGauTradition.m，其中example_ATdetWaveMF.m是主文件，请运行此文件。 对于此example_ATdetWaveMF.m文件，有10个参数，如下所示： baseFun0\n='coif'; ba

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真代码

在基于机器视觉实现电机端盖裂纹缺陷检测过程中, 针对复杂背景下目标特征不明显的问题, 使用限制对比度的自适应直方图均衡化的方法加强目标特征. 针对机器视觉系统中训练数据量少且训练图片背景单一导致模型泛化性低的问题, 对比了Mosaic和CutMix数据增强方法, 并结合多种数据增强策略, 提出了系统的数据集构建方案. 针对使用YOLOv4进行单类检测和小目标检测时正负样本不平衡导致检测率低的问题, 提出了自适应多尺度焦点损失+CIoU损失的加权融合损失函数, 并通过实验得到最优超参数. 最后使用K-means算法初始化锚点框, 使模型更适应线状目标的预测. 结果表明, 该方法对于裂纹类别的检测达到了95.8%的平均精度(Average Precision, AP), 相较于改进前提升9.7%, 单张检测时间48 ms, 具有一定的工程应用价值.

为满足智能制造企业对产品质量检测的需求, 服务制造企业生产管理, 对缺陷检测技术的研究现状、典型方法和应用 进行梳理. 首先总结了磁粉检测法、渗透检测法、涡流检测法、超声波检测法、机器视觉和基于深度学习的缺陷检测技术的 优缺点。

源代码安全扫描及服务技术方案！源代码安全扫描及服务技术方案！

基于深度迁移学习的小样本图像分类matlab程序，网络模型基于AlexNet，文件包含了图像数据集，输出结果可靠。

毕业论文，基本都是自己写的，做相关课题的童鞋可以看一下哦！

针对数据集样本数量较少会影响深度学习检测效果的问题,提出了一种基于改进生成对抗网络和MobileNetV3的带钢缺陷分类方法。首先,引入生成对抗网络并对生成器和判别器进行改进,解决了类别错乱问题并实现了带钢缺陷数据集的扩充。然后,对轻量级图像分类网络MobileNetV3进行改进。最后,在扩充后的数据集上训练,实现了带钢缺陷的分类。实验结果表明,改进的生成对抗网络可生成比较真实的带钢缺陷图像,同时解决深度学习中样本不足的问题;且改进的MobileNetV3参数量是原有参数量的1/14左右,准确率为94.67%,比改进前提高了2.62个百分点,可在工业现场对带钢缺陷进行实时准确的分类。

表面缺陷检测是一种机器视觉技术，它由机器视觉模拟人的视觉来采集、处理、计算并最终应用于特定物体的实际检测、检验和应用组成。