论文摘要
紧固件广泛应用于日常生活和工业生产制造中,其异常状态在许多场景中会导致严重的安全隐患。目前紧固件异常检测仍依赖人工排查,很难通过常规无损检测技术自动识别。针对该问题,提出了一种基于级联卷积网络的自动检测方案,能够快速的检测固定场景下的紧固件异常情况。首先采集紧固件图像,使用目标检测网络确定所有紧固件区域;接着使用所提出的紧固件关键点回归网络预测关键点特征信息;最后通过对比同一紧固件不同时刻的关键点特征信息实现紧固件异常检测。在自制的重庆市轻轨轨道梁指型板紧固件数据集进行了测试,实验结果显示该方法在准确率达到96. 5%时,对于异常紧固件的召回率高达99%,结果表明该方法具有可行性,在类似场景中具有实际应用价值。
论文目录
文章来源
类型: 期刊论文
作者: 李艺强,叶俊勇,罗晋
关键词: 数字图像处理,卷积神经网络,深度学习,人工智能,异常件检测
来源: 电子测量与仪器学报 2019年05期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 机械工业,计算机软件及计算机应用,自动化技术
单位: 重庆大学光电技术及系统教育部重点实验室
基金: 中央高校基本科研业务费(2018CDXYGD0017),2018年重庆市基础研究与前沿探索专项(cstc2018jcyjAX0633)资助项目
分类号: TH131;TP391.41;TP183
DOI: 10.13382/j.jemi.B1902016
页码: 171-179
总页数: 9
文件大小: 419K
下载量: 89