您当前的位置：
首页 >
文章列表页 >
基于多支路卷积神经网络的磁瓦表面缺陷检测算法
计算机科学与技术 | 更新时间：2025-05-26

    • 基于多支路卷积神经网络的磁瓦表面缺陷检测算法

    • Surface defect detection algorithm of magnetic tiles based on multi⁃branch convolutional neural network

    • “在磁瓦表面缺陷检测领域，研究者提出了一种新算法，通过多支路网络结构和注意力模块，实现了99%以上的检测准确率和129块/分钟的检测速度，满足了磁瓦大批量生产实时在线检测要求。”
    • 吉林大学学报（工学版）   2023年53卷第5期 页码：1449-1457
    • 作者机构：

      1.四川大学 机械工程学院，成都 610065

      2.成都航空职业技术学院，成都 610100

    • 作者简介：

      刘培勇（1974-），男，高级工程师，博士.研究方向：机器视觉检测.E-mail：peiyongliu@126.com

      殷国富（1956-），男，教授，博士.研究方向：智能制造和机器视觉检测.E-mail：gfyin@scu.edu.cn

    • 基金信息：
      国家自然科学基金项目(5207535);四川省科技计划项目(2020ZDZX0014;2021YJ0055)

    • DOI：10.13229/j.cnki.jdxbgxb.20210855    

      中图分类号： TP391

    • 收稿：2021-08-13，

      纸质出版：2023-05-01

    移动端阅览

  • 刘培勇,董洁,谢罗峰等.基于多支路卷积神经网络的磁瓦表面缺陷检测算法[J].吉林大学学报（工学版）,2023,53(05):1449-1457. DOI： 10.13229/j.cnki.jdxbgxb.20210855.

    LIU Pei-yong,DONG Jie,XIE Luo-feng,et al.Surface defect detection algorithm of magnetic tiles based on multi⁃branch convolutional neural network[J].Journal of Jilin University(Engineering and Technology Edition),2023,53(05):1449-1457. DOI： 10.13229/j.cnki.jdxbgxb.20210855.

  •  
  •  

0

浏览量

20

下载量

5

CSCD

文章被引用时，请邮件提醒。
提交
工具集
下载
参考文献导出
分享
收藏
添加至我的专辑

相关文章

基于多标签特征融合的实例分割网络框架
联合时空注意力的视频显著性预测
生物医学命名实体识别的两阶段学习算法
基于桥梁裂缝识别模型的桥梁裂缝病害识别方法
基于卷积网络结构重参数化的车位状态检测算法

相关作者

车翔玖
许阳
薛浩
曲卫东
秦贵和
孙铭会
金玉波
徐欢

相关机构

吉林大学 计算机科学与技术学院
吉林大学 符号计算与知识工程教育部重点实验室
上海爱思博特管理咨询有限公司
光电对抗测试评估技术重点实验室
兰州交通大学 自动化与电气工程学院
0