基于深度学习的齿轮视觉微小缺陷检测

上传者: 38738422 | 上传时间: 2022-04-22 16:40:07 | 文件大小: 1.39MB | 文件类型: PDF
针对齿轮视觉微小缺陷,采用一种基于深度学习算法的Mask R-CNN网络进行检测,并对网络进行相应地优化调整.首先,通过比较5种残差神经网络检测效果,选择resnet-101作为图像共享特征提取网络.然后,剔除特征金子塔网络中对特征图P5进行的不合理的3×3卷积,缺齿检出率指标相应得到提升.最后,为了对候选区域网络进行有效的训练,根据设计的样本标注方案中小范围波动的标注尺寸,设置合适的anchors大小以及宽高比.最终,经过优化的Mask R-CNN网络达到了98.2%缺齿检出率.

文件下载

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明