基于异域数据联邦学习的金属板表面划痕检测 |
| |
引用本文: | 蔡剑锋,柏俊杰,向洪成,胡林,周涛琪,高帅.基于异域数据联邦学习的金属板表面划痕检测[J].安阳工学院学报,2022(6):40-44. |
| |
作者姓名: | 蔡剑锋 柏俊杰 向洪成 胡林 周涛琪 高帅 |
| |
作者单位: | 重庆科技学院电气工程学院 |
| |
摘 要: | 由于真实工业场景下的部分工业缺陷太少,导致深度学习应用在表面缺陷检测困难。针对金属板材表面缺陷检测的真实工业环境中所存在的小样本问题,本文提出了异域数据联邦检测模型,采用轻量级网络MobileNet-YOLOv3,有效利用不同领域的划痕数据,分场景训练检测模型。实验结果表明,通过异域数据结合训练的检测模型拥有一个很好的划痕检测效果,金属板训练的本地模型的mAP为94.95%,比传统数据增广方法训练模型mAP高5%,比YOLOv3的推理速度减少44.8%。
|
关 键 词: | 小样本问题 异域数据 划痕检测 |
|
|