摘要：磁片表面缺陷的检测一直是磁片厂流水线生产中提高生产效率、降低生产成本的重要环节;当前多种机器视觉检测方法已经被应用,这些方法都是采取人工提取缺陷特征,但由于磁片表面对比度低,磨痕纹理干扰和缺陷块小且亮度变化大等难点,导致准确度不高、通用性不强;另外在实际生产中巨大数据量获取容易,而人工标注成本高;为此提出一种基于深度主动学习的磁片表面缺陷检测方法可以解决以上两个问题;该方法首先,结合边缘检测和模板匹配算法将磁片前景和背景进行分割;其次,使用Inception-Resnet-v2深度神经网络对样本进行训练,完成对缺陷图像的识别;最后,在深度学习过程中,提出一种主动学习的方法来克服数据集庞大但标注成本高的难点;实验结果表明,该方法的缺陷检测识别率达到了96.7%,并且最多能节省25%的人力标注成本。
分类：期刊> 自然科学与工程技术> 信息科技> 自动化技术
收录：统计源期刊(中国科技论文优秀期刊) > 知网收录(中) > 维普收录(中) > 万方收录(中) > SA 科学文摘(英) > 剑桥科学文摘 > 国家图书馆馆藏 > 上海图书馆馆藏
关键词：卷积神经网络 主动学习 缺陷检测
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
