CN119444718A 基于深度学习的金属纽扣表面缺陷实时检测方法 （惠州市恒兴隆科技有限公司）_第1页
CN119444718A 基于深度学习的金属纽扣表面缺陷实时检测方法 （惠州市恒兴隆科技有限公司）_第2页
CN119444718A 基于深度学习的金属纽扣表面缺陷实时检测方法 （惠州市恒兴隆科技有限公司）_第3页
CN119444718A 基于深度学习的金属纽扣表面缺陷实时检测方法 （惠州市恒兴隆科技有限公司）_第4页
CN119444718A 基于深度学习的金属纽扣表面缺陷实时检测方法 （惠州市恒兴隆科技有限公司）_第5页
已阅读5页，还剩19页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

基于深度学习的金属纽扣表面缺陷实时检本发明涉及金属纽扣表面缺陷实时检测方金属纽扣表面缺陷实时检测方法，包括以下步将预处理后的图像输入深度学习网络模型以提计使得每一个步骤的数据输出与后续步骤相互了传统方法中因算法独立性导致的边界误差和23.根据权利要求1或2所述的金属纽扣表面缺陷图像进行筛选并判定是否存在缺陷区域，所述区域定位模块生成缺陷的坐标和尺寸信息，基于分类模块和区域定位模块的初步结果，获得缺陷边界构造的初始矩阵通34[0003]传统的自动化检测方法多基于边缘检测与图像分割技术，通常通过Sobel算子、Canny边缘检测等经典图像处理手段识别金属纽扣表面的缺陷边界。这些方法在处理简单[0005]本发明所提出的基于深度学习的金属纽扣表面缺陷实时检测方法正是针对现有5[0024]R(xy)=θC(x,y)+(1_θ)M(678其中：H(x,y)为局部增强后的缺陷边界[0053]分段式缺陷区域生成函数R(x,y)=θC(x,y)+(1_θ)M(x,y)用于生成最终的缺陷区[0056]为了验证本发明的基于深度学习的金属纽扣表面缺陷实时检测方法在检测精度9[0063]对比例1：采用传统的基于图像分割和边缘检测的检测方法，结合Sobel算子和97.684.2260.420.8

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论