排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
2.
基于卷积神经网络的单视图检测不能有效识别三维形状的缺陷目标,导致在实际应用中,往往是通过只检测某一最具代表性的视图或者依次检测每个面来实现低精度的检测要求,这带来了较大的时间成本和使用限制. 针对这一问题,提出了改进的残差网络(ResNet),并将其应用于三维形状的焊点缺陷检测. 该模型首先会一次性获取焊点的所有视图图像,再通过特征聚合和自适应学习模块,最终获得检测结果. 多视图焊点数据集来自高频电感元件,在所提出方法的识别精度达到了99.48%. 结果表明,改进的残差网络在同等网络层数的情况下有效提升了图像识别精度;对比单视图检测,多视图检测结构仅以较少的时间代价获得了较大的精度提升,能有效完成实际工业生产中的三维形状缺陷目标的检测任务. 相似文献
1