作者:朱宗洪; 李春贵; 李炜; 黄伟坚 期刊:《广西科技大学学报》 2020年第01期
为完成喷油器阀座常见的瑕疵识别,对深度检测模型进行研究,提出基于Faster R-CNN模型的喷油器阀座瑕疵识别改进方法.首先,对常规生产下的喷油器阀座瑕疵图像进行采集、处理,构造出相关数据集;其次,在Faster R-CNN模型上对候选框和特征网络进行改进,获得比原有模型更高的精确度.实验结果表明:改进的Faster R-CNN模型在喷油器阀座瑕疵识别中精确度得到加强,识别精确度可达71.79%,相比原有模型精确度提升了近3.9%.说明该深度学习方法...
作者:李叶妮; 林晓佳; 陈吉鹏; 陈水宣 期刊:《集美大学学报·自然科学版》 2017年第03期
针对碳化竹条瑕疵种类多,位置不确定且竹纹理干扰的问题,利用图像处理技术对竹条图像进行阈值分割,图像滤波等预处理,得到特征明显的图像,从而实现其表面瑕疵特征的识别。通过计算确定灰度共生矩阵的三个构造因子,提取了图像的三个纹理特征,采用一对一淘汰策略的多类SVM(support vector machine)学习模型进行分类识别竹条的瑕疵类型。实验结果表明,该方法对于碳化竹条的黑结、虫蛀、染色、霉点、裂痕等缺陷的正确识别率达到90.6%...