Indexed by：
Abstract：
本发明公开了基于深度学习的钢材表面缺陷检测方法，将所有可用的带标签数据分成训练集和测试集。将输入图像通过随机裁剪、随机翻转的方式进行数据增强，以扩充数据集。Swin Transformer用作主干部分，FPN用作颈部，以及面向任务对齐学习的网络结构用作头部。在训练过程中，使用AdamW算法来最小化损失函数，从而不断优化模型的参数，提升模型的检测性能。将测试集图像输入网络，进行缺陷部分的分类与定位，得到预测的标签和位置信息。将预测值与真实值进行比对，从而得到检测结果，计算出准确率。钢材表面图像缺陷检测完成后，系统将输出用不同颜色和标签标注出的不同类型的缺陷图像。本发明在钢材表面缺陷检测精度上有一定提升。
Keyword：
Reprint Author's Address：
Email：
Patent Info ：
Type： 发明申请
Patent No.： CN202311683608.4
Filing Date： 2023-12-10
Publication Date： 2024-03-08
Pub. No.： CN117670844A
Applicants： 北京工业大学
Legal Status： 实质审查
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 1
Affiliated Colleges：
