-
公开(公告)号：CN106952250B
公开(公告)日：2021-05-07
申请号：CN201710110525.4
申请日：2017-02-28
Applicant: 北京科技大学
Abstract: 本发明提供一种基于Faster R‑CNN网络的金属板带表面缺陷检测方法及装置，能够提高金属板带表面缺陷检测的准确率。方法包括：采集用于训练Faster R‑CNN网络的金属板带表面的图像；对采集到的金属板带表面的图像进行数据增强；将采集到的所述金属板带表面的图像及数据增强后得到的图像中的缺陷部分用矩形框进行标注，获取矩形框的坐标与矩形框所包含缺陷的种类；根据采集到的所述金属板带表面的图像及数据增强后得到的图像，及获取的所述矩形框的坐标与所述矩形框所包含缺陷的种类对Faster R‑CNN网络进行训练；实时采集待检测的金属板带表面图像，根据训练好的Faster R‑CNN网络，实时检测金属板带表面是否有缺陷，并对检测到的缺陷进行分类和定位。本发明适用于机器视觉技术领域。
-
公开(公告)号：CN106934800B
公开(公告)日：2020-04-07
申请号：CN201710110597.9
申请日：2017-02-28
Applicant: 北京科技大学
Abstract: 本发明提供一种基于YOLO9000网络的金属板带表面缺陷检测方法及装置，能够提高金属板带表面缺陷检测的准确率。方法包括：采集用于训练YOLO9000网络的金属板带表面的图像；对采集到的所述金属板带表面的图像进行数据增强；将采集到的所述金属板带表面的图像及数据增强后得到的图像中的缺陷部分用矩形框进行标注，获取矩形框的坐标与矩形框所包含缺陷的种类；根据采集到的所述金属板带表面的图像及数据增强后得到的图像，及获取的所述矩形框的坐标与所述矩形框所包含缺陷的种类对YOLO9000网络进行训练；实时采集待检测的金属板带表面图像，根据训练好的YOLO9000网络，实时检测金属板带表面是否有缺陷，并对检测到的缺陷进行分类和定位。本发明适用于机器视觉技术领域。
-
公开(公告)号：CN106952250A
公开(公告)日：2017-07-14
申请号：CN201710110525.4
申请日：2017-02-28
Applicant: 北京科技大学
CPC classification number: G06T7/0008 , G01N21/8851 , G01N2021/8887 , G06T2207/20081 , G06T2207/20084 , G06T2207/30136
Abstract: 本发明提供一种基于Faster R‑CNN网络的金属板带表面缺陷检测方法及装置，能够提高金属板带表面缺陷检测的准确率。方法包括：采集用于训练Faster R‑CNN网络的金属板带表面的图像；对采集到的金属板带表面的图像进行数据增强；将采集到的所述金属板带表面的图像及数据增强后得到的图像中的缺陷部分用矩形框进行标注，获取矩形框的坐标与矩形框所包含缺陷的种类；根据采集到的所述金属板带表面的图像及数据增强后得到的图像，及获取的所述矩形框的坐标与所述矩形框所包含缺陷的种类对Faster R‑CNN网络进行训练；实时采集待检测的金属板带表面图像，根据训练好的Faster R‑CNN网络，实时检测金属板带表面是否有缺陷，并对检测到的缺陷进行分类和定位。本发明适用于机器视觉技术领域。
-
公开(公告)号：CN106934800A
公开(公告)日：2017-07-07
申请号：CN201710110597.9
申请日：2017-02-28
Applicant: 北京科技大学
Abstract: 本发明提供一种基于YOLO9000网络的金属板带表面缺陷检测方法及装置，能够提高金属板带表面缺陷检测的准确率。方法包括：采集用于训练YOLO9000网络的金属板带表面的图像；对采集到的所述金属板带表面的图像进行数据增强；将采集到的所述金属板带表面的图像及数据增强后得到的图像中的缺陷部分用矩形框进行标注，获取矩形框的坐标与矩形框所包含缺陷的种类；根据采集到的所述金属板带表面的图像及数据增强后得到的图像，及获取的所述矩形框的坐标与所述矩形框所包含缺陷的种类对YOLO9000网络进行训练；实时采集待检测的金属板带表面图像，根据训练好的YOLO9000网络，实时检测金属板带表面是否有缺陷，并对检测到的缺陷进行分类和定位。本发明适用于机器视觉技术领域。
-
-
-
Search Results
4
records
(took 0.018 seconds)
