文献类型：期刊文章

作　　者：邓能辉[1] 侯睿[1] 叶俊明[1]

DENG Neng-hui;HOU Rui;YE Jun-ming(Design and Research Institute Co.,Ltd.,University of Science and Technology Beijing,Beijing 100083,China)

机构地区：[1]北京科技大学设计研究院有限公司,北京100083

出　　处：《中国冶金》

年　　份：2022

卷　　号：32

期　　号：12

起止页码：113-121

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、RCCSE、ZGKJHX、核心刊

摘　　要：圆钢表面缺陷是影响圆钢质量的重要因素。随着钢铁生产轧制节奏提升和智能化升级,人工检测、传统表面缺陷检测等方法已经难以同时满足多种类缺陷、高速在线检测等方面的需求。因此,设计了适用于圆钢表面缺陷检测的成像系统,提出分类优先网络与目标检测网络融合的圆钢表面缺陷检测方法,并将一种非缺陷样本加入网络模型的训练以提升检测精度。试验结果及应用效果表明,该方法针对凹坑、裂纹、耳子、划伤、翘皮等表面缺陷的准确识别率达到95.61%,能有效减少缺陷误报、漏报的问题。

关 键 词：圆钢 表面缺陷检测 深度学习  分类优先网络  目标检测

分 类 号：TP18] TP391.41] TG115]